近日，自動(dòng)化學(xué)院顏成鋼教授團(tuán)隊(duì)以杭電為第一作者單位的一篇論文（Dynamic Selective Network for RGB-D Salient Object Detection）被圖像處理領(lǐng)域國(guó)際頂級(jí)期刊IEEE Transaction on Image Processing（CCF A類，影響因子10.856）錄用為regular paper。該項(xiàng)研究由博士生溫洪發(fā)為第一作者完成，其充分挖掘了不同模態(tài)數(shù)據(jù)間的互補(bǔ)特性，提出了一種新穎的用于RGB-D顯著目標(biāo)檢測(cè)的動(dòng)態(tài)選擇網(wǎng)絡(luò)（Dynamic Selective Network，DSNet）。
該方法借助了卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力，通過(guò)動(dòng)態(tài)選擇模塊來(lái)自適應(yīng)地探索彩色圖像和深度圖像之間的跨模態(tài)互補(bǔ)信息，其不僅以基于門控的方式優(yōu)化了跨級(jí)別信息，而且以基于池化的方式強(qiáng)化了多尺度信息；從全局的角度挖掘高級(jí)別的紋理信息和深度信息之間的內(nèi)在關(guān)聯(lián)，粗略地定位了顯著區(qū)域而抑制了背景區(qū)域；采用一種帶有反饋機(jī)制的邊緣監(jiān)督策略，有效地提升了模型的銳化顯著邊緣的能力。實(shí)驗(yàn)結(jié)果表明，在多種評(píng)測(cè)指標(biāo)下，該方法在廣泛使用的RGB-D基準(zhǔn)數(shù)據(jù)集上取得了具有競(jìng)爭(zhēng)力的優(yōu)異表現(xiàn)。
視覺(jué)顯著目標(biāo)檢測(cè)（Salient Object Detection，SOD）是一個(gè)在計(jì)算機(jī)視覺(jué)領(lǐng)域中受到持續(xù)關(guān)注的基礎(chǔ)性問(wèn)題，其目的是定位并凸顯圖像或者視頻中最能夠引起視覺(jué)注意力的局部區(qū)域。在科研人員們的不斷努力下，顯著目標(biāo)檢測(cè)任務(wù)已經(jīng)取得了一些令人振奮的成果，在眾多應(yīng)用領(lǐng)域中扮演著十分重要的角色。例如，高效的顯著目標(biāo)檢測(cè)算法廣泛地應(yīng)用于圖像分割、目標(biāo)識(shí)別、視覺(jué)追蹤和視頻編碼等任務(wù)中。總體來(lái)說(shuō)，開(kāi)展視覺(jué)顯著目標(biāo)檢測(cè)的相關(guān)研究具有十分重要的理論價(jià)值和實(shí)際意義。
溫洪發(fā)同學(xué)系我校自動(dòng)化學(xué)院智能信息處理實(shí)驗(yàn)室成員，該實(shí)驗(yàn)室由顏成鋼教授領(lǐng)銜，與美國(guó)北卡羅來(lái)納大學(xué)教堂山分校、美國(guó)中佛羅里達(dá)大學(xué)、澳大利亞悉尼科技大學(xué)、中國(guó)科學(xué)院、清華大學(xué)等國(guó)內(nèi)外多家高校和科研院所有長(zhǎng)期密切的合作，近年來(lái)培養(yǎng)出多名優(yōu)秀學(xué)生。正是因?yàn)榈玫搅巳澜珙I(lǐng)域內(nèi)知名學(xué)者的指導(dǎo)，實(shí)驗(yàn)室學(xué)生的研究成果近年來(lái)呈現(xiàn)井噴之勢(shì)。成員在領(lǐng)域頂級(jí)國(guó)際期刊（如 IEEE TIP）以及領(lǐng)域頂級(jí)國(guó)際會(huì)議（如IJCAI）上發(fā)表論文40余篇，多次獲得國(guó)際會(huì)議最佳（學(xué)生）論文獎(jiǎng)。值得一提的是，溫洪發(fā)同學(xué)曾赴悉尼科技大學(xué)訪問(wèn)交流并獲得國(guó)際會(huì)議最佳論文獎(jiǎng)。
