科创中国

新一代信息技术产业,人工智能

伪装场景感知涉及生物学、计算机视觉以及脑科学等多个基础领域，是典型的交叉学科研究课题，也是人工智能领域的基础共性问题。如何让机器人系统具备类人的强大视觉感知能力，甚至超越人类视觉系统在伪装场景下表现出优异的场景认知能力，是“新一代人工智能”技术体系中的技术难点，可推动军事、医疗、农业和商业等领域的科技发展。 针对上述难题，众多研究者设计了一系列手工特征进行了初步探索。申请人从生物视觉认知机理入手，结合类脑计算与深度学习的最新研究成果，从数据采集、模型建模、损失函数构造、评价标准设计和开源评测平台搭建进行6年深入研究，形成了系统性的创新贡献，有效地解决了伪装物体智能检测、质量评估、以及在新冠肺炎感染领域应用中的关键技术问题。目前已经取得了多项国际领先的创新成果

1. 提出了伪装物体检测新理论并搜集大规模伪装数据 2. 突破了基于搜索-识别框架、组-背景挖局框架的伪装物体智能检测两项关键技术 进一步引入了组-背景挖掘策略来进一步改进搜索-识别框架SINet，并称为SINet-V2模型。 3. 提出了基于结构相似度的评价标准 针对非二进制显著性物体检测质量评价的上述问题，提出了符合人类认知规律的度量指标S-measure，使得评价方法从像素-级过度到结构-级，特别是与人的主观评价一致性性能从低于50%提升到了77%。该成果是近年来显著性物体检测领域在标准公开数据集上评价指标改进最大的一次。

第一完成人范登平博士，是苏黎世联邦理工大学(ETH Zurich) 博士后研究员，曾担任IIAI 研究员，阿里达摩院高级算法工程师。研究兴趣包括计算机视觉、医学图像分析、认知规律启发的视觉场景理解等。近5 年，在CCF A 类顶级国际期刊和会议上发表论文约40 篇(含6 篇IEEE T-PAMI)，4 篇期刊论文入选ESI高被引论文(前1%)，连续两年入选CVPR Best Paper Finalists，获2021年度计图开发者大会杰出论文奖、2021 年度计图开发者大会最具影响力（应用）论文奖，获2021 年度CCF 优秀博士学位论文奖，谷歌学术总引用7300+ 次。