安徽7790必发集团(中国)学院团队在模式鉴别与人为智能领域国际顶级期刊《Pattern Recognition》颁发论文

2024-11-06 | 安徽省教育厅

近日，安徽7790必发集团(中国)学院王琦进教授团队在稀少指标检测技术钻研上获得新进展。钻研论文“Apply prior feature integration to sparse object detectors”被SCI国际顶级期刊《Pattern Recognition》收录。该校2022级联培硕士钻研生钱雨为第一作者，王琦进教授为通讯作者，该论文的颁发是学堂在科学钻研与人为智能学科建设上的又一沉要成就。

《Pattern Recognition》是模式鉴别与人为智能领域国际公认的顶级学术期刊，由Elsevier公司出版。该期刊2024年的影响因子为7.5，稳居中科院推算机科学一区TOP期刊，同时被国度一级学会—中国推算机学会(CCF)列为人为智能领域B类推荐期刊、中国自动化学会(CAA)A类推荐期刊，彰显了其卓越的学术影响力与职位。

论文聚焦于稀少指标检测中的高斯噪声框去噪难题，针对噪声框在特点金字塔中的低效匹配以及全局特点捉拿的挑战，团队创造性地提出了Prior Sparse R-CNN指标检测框架。该框架奇妙设计了一种聚合编码器，通过扩大残差块和特点聚合战术，有效解决了指标尺度变动带来的检测难题，并在单特点图下实现了检测效能的显著提升。

尤为值得一提的是，Prior Sparse R-CNN引入了区域天生网络(Region Generation Network, RGN)，通过额表的训练过程天生特点图的先验预测，这些先验信息与噪声框进行精准匹配，显著提升了训练的精确度。与现有步骤相比，Prior Sparse R-CNN的均匀精度(AP)提高了1.5个百分点，同时训练周期缩短至原来的3/5，展示了优良的机能提升与效能优化。