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，於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 演算法，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，並於 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（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主頁顯示，他已於上個月離任。

一起來看看。

專注 CV 領域，一年被引次數超 9k+

沈春華本碩畢業於南京大學，後於阿德萊德大學獲博士學位。

2011 年，沈春華進入阿德萊德大學電腦科學學院，先後擔任高階講師、副教授等職位；2014 年，他成為阿德萊德大學電腦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。

▲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。

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 等演算法

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（Fully Convolutional One-Stage Object Detection）目標檢測演算法，目前引用量已經達到 1.3k+。

這是一個基於 FCN 演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，實現設計引數更少、優化超引數、計算複雜等問題。

整體來說，FCOS 相當於用逐畫素的方法，提供了可與基於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（2017 年）提出過一個 RefineNet 模型，目前論文引用量已經達到 2k+。

這是一個基於 ResNet 殘差思想設計的語義分割模型，通過採用各層級的特徵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例項分割新方法 SOLO，在部分效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，演算法核心在於通過引入“例項類別”的概念，把例項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，是一種單階段例項分割的方法，但在效能上卻強得多。

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例項分割主流方法，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、例項分割等方向的小夥伴，可能或多或少聽過 AdelaiDet。

這是一個開源多例項級檢測應用工具箱，基於 Detectron2 開發，包含了不少如 SOLO、FCOS 等演算法工作，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 上已經收穫 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（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（高年級本科生畢業設計、碩士生、博士生、訪問學生、博士後、 研究員等都可以），請發郵件給我。

對於機器學習和 CV 方向感興趣的小夥伴們，可以抓緊機會試一試了。

沈春華教授個人主頁：點此直達