曾发表顶会论文150余篇

萧箫 发自 凹非寺
非常AI 报道 | 公众号 QbitAI

又一计算机视觉大牛，回国任教！

曾任阿德莱德大学终身教授的沈春华，于这个月加盟浙江大学，个人官网显示已更新：

△图源沈春华个人主页

这些年来，沈春华教授带领团队做出过RefineNet、FCOS等著名的AI算法，目前在Google Scholar上的引用次数达到了3.3w+，H指数达到92。

他曾在NeurIPS、CVPR、ICCV等顶会上发表顶会论文150余篇，并于2020年获得澳大利亚科研终身成就奖。

从个人主页来看，沈春华教授此次回国加入的是浙大的计算机辅助设计与图形学（CAD&CG）国家重点实验室。

这个实验室由潘云鹤院士牵头，包括何晓飞、周昆等计算机大牛都在其中。

目前，沈春华教授在阿德莱德大学的主页显示，他已于上个月离任。

一起来看看。

专注CV领域，一年被引次数超9k+

沈春华本硕毕业于南京大学，后于阿德莱德大学获博士学位。

2011年，沈春华进入阿德莱德大学计算机科学学院，先后担任高级讲师、副教授等职位；2014年，他成为阿德莱德大学计算机科学学院的终身教授。

近几年，阿德莱德大学的计算机视觉专业近几年一直在CS Rankings上名列前茅，而据CS Rankings显示，沈春华也是澳大利亚在3大CV顶会上发表论文最多的学者。

△图源CSRankings

2020年，沈春华获得澳大利亚科研终身成就奖，这份奖项会根据学术活跃年份和H指数等综合指标进行评选。

从Google Scholar官网显示来看，仅今年一年，沈春华教授的论文引用次数就达到9754次。

他究竟做出了哪些AI领域的成果？

提出过FCOS、SOLO等算法

沈春华教授最著名的几项研究，主要集中在目标检测、语义分割等方向。

其中之一，就是FCOS （Fully Convolutional One-Stage Object Detection）目标检测算法，目前引用量已经达到1.3k+。

这是一个基于FCN算法的无锚点的目标检测模型，通过去掉像YOLO、SSD这类目标检测模型中常用的锚定框，实现设计参数更少、优化超参数、计算复杂等问题。

整体来说，FCOS相当于用逐像素的方法，提供了可与基于锚定框的方法媲美的目标检测效果。

除此之外，沈春华教授还在更早的时候（2017年）提出过一个RefineNet模型，目前论文引用量已经达到2k+。

这是一个基于ResNet残差思想设计的语义分割模型，通过采用各层级的特征让语义分割任务变得更加精准。

此外，他的团队还曾经提出过一项实例分割新方法SOLO，在部分性能上甚至超越了何恺明的Mask R-CNN。

这篇论文的一作是沈春华教授的学生王鑫龙，算法核心在于通过引入“实例类别”的概念，把实例分割问题转化为分类问题。

与Mask R-CNN相比，SOLO的架构更加简单，是一种单阶段实例分割的方法，但在性能上却强得多。

在COCO数据集上的实验结果显示，SOLO的效果普遍超过此前的单阶段实例分割主流方法，在一些指标上还超过了增强版的Mask R-CNN。

当然，在论文以外，沈春华团队也贡献了不少开源工具，其中最著名的一个就是AdelaiDet。

开源工具被多家厂商使用

做过目标检测、实例分割等方向的小伙伴，可能或多或少听过AdelaiDet。

这是一个开源多实例级检测应用工具箱，基于Detectron2开发，包含了不少如SOLO、FCOS等算法工作，有不少手机厂商曾经用过上面的模型，来优化一些影像上的功能。

△包含的部分模型

现在，AdelaiDet在GitHub上已经收获2.6k Star。

事实上，在回国任教前，沈春华教授也会在线上开授一些学术讲座：

△图源中科院自动化所

目前，从沈春华教授主页可以看到，他正在招收新的研究人员：

如果你（计划）从事机器学习、计算机视觉的科研、有兴趣加入我的研究小组（高年级本科生毕业设计、硕士生、博士生、访问学生、博士后、 研究员等都可以），请发邮件给我。

对于机器学习和CV方向感兴趣的小伙伴们，可以抓紧机会试一试了~

沈春华教授个人主页：
https://cshen.github.io/

参考链接：
[1]https://github.com/aim-uofa/AdelaiDet
[2]https://mp.weixin.qq.com/s/WAjIWSLgJLVE0KsJZdtqGA
[3]https://specialreports.theaustralian.com.au/1540291/9/
[4]https://www.adelaide.edu.au/directory/chunhua.shen#
[5]http://www.cs.zju.edu.cn/csen/27059/list.htm