北理工科研團隊發(fā)表的高被引（ESI）論文被歸入Computer Science領(lǐng)域同一出版年最優(yōu)秀的前1%之列
發(fā)布日期：2020-06-09 供稿：光電學院
編輯：盛筠 審核：郝群 閱讀次數(shù)：
根據(jù)Web of Science中Essential Science Indicators的數(shù)據(jù),，我校光電學院許廷發(fā)教授科研團隊發(fā)表的SCI論文成為ESI數(shù)據(jù)庫的高被引論文，這一數(shù)據(jù)表明根據(jù)對應(yīng)領(lǐng)域和出版年中的高引用閾值,，到2020年1月/2月為止,，該篇論文受到的引用次數(shù)已將其歸入Computer Science領(lǐng)域同一出版年最優(yōu)秀的前1%之列，其學術(shù)價值得到了該領(lǐng)域內(nèi)全球研究者的關(guān)注與肯定,。
科研論文Scale-Aware Fast R-CNN for Pedestrian Detection,，（第一作者：李佳男博士；通訊作者：許廷發(fā)教授）,， 發(fā)表在IEEE Transactions on Multimedia,，該期刊由美國電氣和電子工程師協(xié)會（IEEE）發(fā)行，近5年的影響因子為5.551,。
論文針對不同尺度的行人目標存在不同的特征模式,、輸入目標尺度變化導致的類內(nèi)差異會極大增加目標檢測模型的學習難題和挑戰(zhàn)，提出了對不同尺度的目標采用“分而治之”的策略,，在共享底層共有特征以保證計算效率的同時,，運用專屬網(wǎng)絡(luò)分支分別捕獲不同尺度目標的特有高層特征，并進行獨立預測和尺度自適應(yīng)融合,，增強了模型對于輸入尺度變化的魯棒性,。該方法簡單易行，可有效應(yīng)用于真實 復雜場景下的行人檢測,。更為重要的是,，該方法為提高檢測模型對于輸入變化的魯棒性提供了一種有效的實用性新思路，被廣泛借鑒和應(yīng)用于計算機視覺領(lǐng)域的其他各種任務(wù)中,。
圖 提出的尺度感知的行人小目標檢測框架
第一作者簡介：
李佳男,，北京理工大學光電學院2013級直博生，師從許廷發(fā)教授,，研究方向為光學成像探測與識別,、圖像與視頻處理,、計算機視覺、多媒體,。2015年由國家高水平公派留學項目資助前往新加坡國立大學(NUS)進行為期兩年的博士生聯(lián)合培養(yǎng),，外方導師為計算機視覺領(lǐng)域著名學者顏水成，馮佳時教授,。
讀博期間,，曾獲得王大珩高校學生光學獎、博士研究生國家獎學金,、北京理工大學高水平博士學位論文育苗基金,、北京理工大學優(yōu)秀研究生學位論文等多項創(chuàng)新人才獎勵，并獲得2017年ImageNet國際大規(guī)模視覺識別挑戰(zhàn)賽目標定位任務(wù)的團隊冠軍,。累計在IEEE TPAMI,、TVCG、TCSVT,、TMM等SCI期刊以及CVPR,、ICLR、NeurIPS等國際頂級會議上發(fā)表論文16篇,，其中第一作者9篇,，總引用次數(shù)超過1200次。同時,，還多次擔任IEEE TCSVT,、TMM等SCI期刊以及ICCV 2019、CVPR 2020,、ECCV2020等國際頂級會議的審稿人,。
通訊作者簡介：
許廷發(fā)，教授,，博導,，國家一級重點學科“光學工程”責任教授，光電成像技術(shù)與系統(tǒng)教育部重點實驗室副主任,。近年來帶領(lǐng)其科研團隊圍繞光電成像探測與識別,、高光譜計算成像處理等方向不斷深化研究。主持承擔國家自然科學基金委重大科研儀器專項等項目30多項,。在國際,、國內(nèi)等系列期刊發(fā)表學術(shù)論文120余篇，其中被SCI/EI收錄80余篇,。以第一發(fā)明人申請國家發(fā)明專利15項,，已授權(quán)和公示8項。獲國防科技進步二等獎1項,，獲軍隊科技進步二等獎1項,，獲北京市科學技術(shù)進步獎三等獎1項,。科研團隊取得的創(chuàng)新性研究成果為學校一流學科建設(shè)作出了貢獻,。
分享到：