圖源沈春華個人主頁
這些年來，沈春華教授帶領團隊做出過 RefineNet，FCOS 等著名的 AI 算法，目前在 Google Scholar 上的引用次數達到了 3.3w+，H 指數達到 92。
他曾在 NeurIPS，CVPR，ICCV 等頂會上發表頂會論文 150 余篇，并于 2020 年獲得澳大利亞科研終身成就獎。
從個人主頁來看，沈春華教授此次回國加入的是浙大的計算機輔助設計與圖形學國家重點實驗室。
這個實驗室由潘云鶴院士牽頭，包括何曉飛，周昆等計算機大牛都在其中。
目前，沈春華教授在阿德萊德大學的主頁顯示，他已于上個月離任。
一起來看看。
專注 CV 領域，一年被引次數超 9k+
沈春華本碩畢業于南京大學，后于阿德萊德大學獲博士學位。
2011 年，沈春華進入阿德萊德大學計算機科學學院，先后擔任高級講師，副教授等職位，2014 年，他成為阿德萊德大學計算機科學學院的終身教授。
近幾年，阿德萊德大學的計算機視覺專業近幾年一直在 CS Rankings 上名列前茅，而據 CS Rankings 顯示，沈春華也是澳大利亞在 3 大 CV 頂會上發表論文最多的學者。此舉出乎市場預料。
圖源 CSRankings
2020 年，沈春華獲得澳大利亞科研終身成就獎，這份獎項會根據學術活躍年份和 H 指數等綜合指標進行評選。
他究竟做出了哪些 AI 領域的成果。此前，彭博調查的16位經濟學家中有10位預計澳大利亞央行將推遲縮債計劃。
提出過 FCOS，SOLO 等算法
沈春華教授最著名的幾項研究，主要集中在目標檢測，語義分割等方向。。
其中之一，就是 FCOS目標檢測算法，目前引用量已經達到 1.3k+。
這是一個基于 FCN 算法的無錨點的目標檢測模型，通過去掉像 YOLO，SSD 這類目標檢測模型中常用的錨定框，實現設計參數更少，優化超參數，計算復雜等問題。
整體來說，FCOS 相當于用逐像素的方法，提供了可與基于錨定框的方法媲美的目標檢測效果。
除此之外，沈春華教授還在更早的時候提出過一個 RefineNet 模型，目前論文引用量已經達到 2k+。
這是一個基于 ResNet 殘差思想設計的語義分割模型，通過采用各層級的特征讓語義分割任務變得更加精準。
此外，他的團隊還曾經提出過一項實例分割新方法 SOLO，在部分性能上甚至超越了何愷明的 Mask R—CNN。
這篇論文的一作是沈春華教授的學生王鑫龍，算法核心在于通過引入實例類別的概念，把實例分割問題轉化為分類問題。
與 Mask R—CNN 相比，SOLO 的架構更加簡單，是一種單階段實例分割的方法，但在性能上卻強得多。
在 COCO 數據集上的實驗結果顯示，SOLO 的效果普遍超過此前的單階段實例分割主流方法，在一些指標上還超過了增強版的 Mask R—CNN。
當然，在論文以外，沈春華團隊也貢獻了不少開源工具，其中最著名的一個就是 AdelaiDet。
開源工具被多家廠商使用
做過目標檢測，實例分割等方向的小伙伴，可能或多或少聽過 AdelaiDet。
這是一個開源多實例級檢測應用工具箱，基于 Detectron2 開發，包含了不少如 SOLO，FCOS 等算法工作，有不少手機廠商曾經用過上面的模型，來優化一些影像上的功能。
包含的部分模型
現在，AdelaiDet 在 GitHub 上已經收獲 2.6k Star。
事實上，在回國任教前，沈春華教授也會在線上開授一些學術講座:
圖源中科院自動化所
目前，從沈春華教授主頁可以看到，他正在招收新的研究人員:
如果你從事機器學習，計算機視覺的科研，有興趣加入我的研究小組，請發郵件給我。
對于機器學習和 CV 方向感興趣的小伙伴們，可以抓緊機會試一試了。澳大利亞央行周二決定，將每周50億澳元的購買規模縮減至每周40億澳元，并稱至少將持續這一規模的購債水平至2022年2月中旬。
沈春華教授個人主頁:點此直達
。鄭重聲明：此文內容為本網站轉載企業宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。
|
