蕭箫 發自 凹非寺
量子位 報道 | 公衆号 QbitAI
又一計算機視覺大牛，回國任教！
曾任阿德萊德大學終身教授的沈春華，于這個月加盟浙江大學，個人官網顯示已更新：
△圖源沈春華個人首頁
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餘篇，并于2020年獲得澳洲科研終身成就獎。
從個人首頁來看，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（CAD&CG）國家重點實驗室。
這個實驗室由潘雲鶴院士牽頭，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首頁顯示，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，後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，先後擔任進階講師、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，沈春華也是澳洲在3大CV頂會上發表論文最多的學者。
△圖源CSRankings
2020年，沈春華獲得澳洲科研終身成就獎，這份獎項會根據學術活躍年份和H指數等綜合名額進行評選。
從Google Scholar官網顯示來看，僅今年一年，沈春華教授的論文引用次數就達到9754次。
他究竟做出了哪些AI領域的成果？
提出過FCOS、SOLO等算法
沈春華教授最著名的幾項研究，主要集中在目标檢測、語義分割等方向。
其中之一，就是FCOS （Fully Convolutional One-Stage Object Detection）目标檢測算法，目前引用量已經達到1.3k+。
這是一個基于FCN算法的無錨點的目标檢測模型，通過去掉像YOLO、SSD這類目标檢測模型中常用的錨定框，實作設計參數更少、優化超參數、計算複雜等問題。
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标檢測效果。
除此之外，沈春華教授還在更早的時候（2017年）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執行個體分割新方法SOLO，在部分性能上甚至超越了何恺明的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“執行個體類别”的概念，把執行個體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，是一種單階段執行個體分割的方法，但在性能上卻強得多。
在COCO資料集上的實驗結果顯示，SOLO的效果普遍超過此前的單階段執行個體分割主流方法，在一些名額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
做過目标檢測、執行個體分割等方向的小夥伴，可能或多或少聽過AdelaiDet。
這是一個開源多執行個體級檢測應用工具箱，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，沈春華教授也會線上上開授一些學術講座：
△圖源中科院自動化所
目前，從沈春華教授首頁可以看到，他正在招收新的研究人員：
如果你（計劃）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（高年級大學生畢業設計、碩士生、博士生、通路學生、博士後、 研究員等都可以），請發郵件給我。
對于機器學習和CV方向感興趣的小夥伴們，可以抓緊機會試一試了~