第4卷第4期2022年12月微纳电子与智能制造Micro/nanoElectronicsandIntelligentManufacturingVol.4No.4Dec.2022DOI:10.19816/j.cnki.10-1594/tn.2022.04.007洞悉视觉前沿,加速领域发展———访北京航空航天大学张宝昌教授张莹1,2,李琼1,2(1.北京市科学技术研究院信息与人工智能技术研究所北京100089;2.《微纳电子与智能制造》编辑部北京100089)编者按:近年来,在深度学习、知识表征等人工智能技术的推动下,计算机视觉与多学科多领域深度交叉、融合发展,已经成为促进制造业智能升级的有力支撑。《微纳电子与智能制造》有幸采访到北京航空航天大学教授张宝昌,为读者介绍其在计算机视觉领域的主要研究成果、领域内的技术挑战及未来的发展趋势,并对基础学科和应用学科的协同发展以及人才培养等方面提出建议,以推动技术向成果转化、人才向需求看齐。关键词:计算机视觉;控制理论;目标检测;模型压缩中图分类号:TP391.4文献标识码:A国家标准学科分类代码:520张宝昌,北京航空航天大学教授,本硕博均毕业于哈尔滨工业大学,2018年进入北航长聘系列,曾任百度深度学习实验室学术顾问。长期从事复杂背景下快速小目标检测与识别研究,目前尤其关注控制理论和深度学习的结合。在国家自然科学基金、华为和航天科工17所等项目支持下,围绕前端视觉感知展开研究。发表CCFA会议/期刊、IEEE汇刊论文90余篇,其中IJCV7篇、IEEE汇刊40余篇;一作单篇论文引用1213次;申请/获批专利12项。入选教育部新世纪优秀人才计划和爱思唯尔中国高被引学者榜单。获省部级和一级学会一等奖、国际比赛第一名7项。科研成果应用于国家重要项目。《微纳电子与智能制造》:您多年来从事复杂背景下快速小目标检测与识别研究,发表了许多优秀的研究成果,也在ECCV、ICPR相关比赛中取得了优异的成绩,请问您在研究过程中,遇到过哪些问题,是通过什么方式解决的?该领域目前仍然需要关注的难点是什么?张宝昌:非常感谢贵期刊的邀请。我的研究致力于探索复杂背景下快速小目标检测与识别。在研究过程中,我们发现对于小目标的检测任务,数据增强是非常关键的。因此,我们使用了很多特定物体的数据来增强模型的目标检测能力,例如人体等。另外,在训练过程中,研究团队还采用了多尺度训练的方法以及其他一些技术手段,比如特征设计、模型融合等。通过从多方面入手,我们努力探索出适用于复杂背景下快速小目标检测与识别的有效方法和技巧,并取得了一定的研究成果。在该领域中,我认为需要注意两个难点。第一个是:现有方法是否...
