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

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。虽然疫情导致的经济封锁措施中断了澳大利亚经济复苏轨迹，但预计疫情影响只是暂时的。

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。

他究竟做出了哪些 AI 领域的成果。随着疫苗接种率提高，经济将会持续反弹。

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。对此，澳大利亚央行的解释是：在德尔塔变异毒株蔓延之前，澳大利亚经济发展势头向好，劳动力市场强劲，商业投资活动活跃。

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。澳大利亚央行承诺将致力于维持对经济具有高度支持性的货币环境，预计经济在明年下半年将恢复到疫情前水平。

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，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

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。