12月26日,中国计算机学会发布了2023年“CCF博士学位论文激励计划”评选公告。上海交大计算机系2023届博士毕业生杨学的博士学位论文《复杂场景下高精度有向目标检测的研究》入选2023年“CCF博士学位论文激励计划“,指导教师为计算机系严骏驰教授。
2023年“CCF博士学位论文激励计划”
CCF博士学位论文激励计划为推动中国计算机领域的科技进步,鼓励创新性研究,激励计算机领域的博士研究生潜心钻研,务实创新,解决计算机领域中需要解决的理论和实际问题,表彰做出优秀成果的年轻学者而设立。
经评选,最终9篇论文入选2023年“CCF博士学位论文激励计划”、5篇论文获得2023年“CCF博士学位论文激励计划”提名。
论文简介:
有向目标检测是具有重大价值的研究方向,在场景文字、遥感影像解译、自动驾驶、人脸识别等领域都有广泛的应用。本人是较早研究该方向的学者,题为《复杂场景下高精度有向目标检测的研究》的学位论文从网络结构设计、目标位姿表征、高校标注训练和开源工具建设四个方面进行了深入研究,极大推动了该领域的技术发展。学位论文的主要贡献包括:
1. 网络结构设计(基准算法):系统介绍了有向目标检测器的重要结构,并设计了一种从粗到细渐进式回归的级联检测器,实现速度与精度平衡的同时解决了特征不对齐问题,研究工作入选Paper Digest评选的最具影响力的AAAI21论文第1名;
2. 目标位姿表征(参数优化):提出了有向目标检测中“边界问题”、“类正方形检测”、“旋转IoU损失近似”等重要问题,通过角度精细分类、高斯分布表征与度量等方式解决并给出理论分析。上述问题已成为领域内最热的研究课题之一,提出的相关方法也实现落地并被同行高被引。其中,博士论文中的高斯建模方法对上述问题进行了统一解,实现了高精度有向目标检测,并已在多个场景(自动驾驶公司安徽酷哇机器人环卫车垃圾/车辆检测项目、华为云卡证检测云计算产品)落地;
3. 高校标注训练(训练数据):提出了首个基于水平框标注的弱监督有向目标检测框架,在性能、速度和存储上均接近强监督算法,并将标注成本下降了36.5%,具有较大的商业化前景,并已被快手等企业用于logo检测等项目;
4. 开源工具建设(集成工具):从学术研究、工业部署和国产化三个角度出发,分别基于TensorFlow、PyTorch和Jittor搭建了三种各具特色的有向目标检测工具:MMRotate (1.6k star)、AlphaRotate (1k star)和JDet (180 star),已成为工业界和学术界最受欢迎的开源框架之一。
个人简介:
杨学,上海交通大学计算机系2023届博士,吴文俊人工智能博士班成员,现任上海人工智能实验室青年研究员,研究方向是基础视觉研究。杨学在博士期间共发表CCF-A/T1、清华-A类论文20篇,其中以第一作者共发表论文14篇,包括TPAMI、NeurIPS、ICLR各两篇以及IJCV、CVPR、ICCV、 ECCV、ICML、AAAI、ACM MM和《中国科学:信息科学》各一篇。曾获CCF-CV新锐学者奖(全国3人)、两次国家奖学金、上海市优秀毕业生、上海交通大学“学术之星”提名奖(全校20人)、PaperDigest-AAAI21最具影响力论文榜首、入选2022和2023年度由斯坦福大学评选的全球前2%顶尖科学家榜单。截至目前谷歌学术引用约4600次,h指数和i10指数分别为23和30,其中12篇文章引用过百,1篇ESI热点论文,5篇ESI高被引论文,GitHub获赞超8000次。
导师介绍:
严骏驰,上海交通大学计算机系教授,计算机系第二党支部书记,国家级高层次人才,CCF优博/杰出会员、IET Fellow。科技部2030新一代人工智能重大项目负责人、基金委重大研究计划重点项目负责人。教育部资源建设深度学习首席专家。曾任IBM中国研究院首席研究员。主要研究方向为机器学习及应用。发表CCF-A类第一/通讯作者论文过150篇,引用超15000次。任ICML、NeurIPS、ICLR、CVPR、AAAI等顶级会议(高级)领域主席、Pattern Recognition、ACM TOPML等期刊(创刊)高级编委。获PaperDigest统计AAAI21、IJCAI23最具影响力论文榜首。多次指导学生获交大学术之星、CCF司南杯一等奖、CCF-CV新锐奖、挑战杯特等奖、IWLS2023 EDA逻辑综合总榜冠军等荣誉及基金委本科生青年基金项目。