又一 AI 大牛回国任教！沈春华加盟浙江大学，曾获澳大利亚科研终身成就奖

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：点此直达

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。