【產(chǎn)通社，8月23日訊】上海交通大學（Shanghai Jiao Tong University, SJTU）官網(wǎng)消息，其計算機多媒體領域國際會議IEEE International Conference on Multimedia and Expo (ICME)近日在澳大利亞布里斯班舉行。上海交通大學電子信息與電氣工程學院計算機科學與工程系2020級博士生周華毅（導師盧宏濤）為第一作者的論文“Body-Part Joint Detection and Association via Extended Object Representation”（基于擴展對象表征的身體-部位聯(lián)合檢測與關聯(lián)）經(jīng)過論文評議委員會以及大會評委的綜合評判、論文評審、展示答辯等多個環(huán)節(jié)，從候選論文中脫穎而出，獲大會最佳學生論文獎亞軍。該論文與華東師范大學合作完成，通訊作者為華東師范大學姜飛。

近年來，深度學習助力下的計算機視覺發(fā)展突飛猛進，尤其是目標檢測領域，各類先進方法表現(xiàn)突出。關于人體及各種身體部位（如面部、手部和頭部）的檢測也是如此，精準的人體和其部位檢測可以用于人群計數(shù)和行人流量監(jiān)控，也可以服務于各種下游任務，如人臉識別、人體姿態(tài)估計、行人重識別或人與物體交互檢測等。然而，大多數(shù)現(xiàn)有的人體或任何身體部位的人體相關檢測方法都是孤立的，這使得后期將這些身體部位與歸屬人體相匹配的過程變得復雜且容易出錯。

獲獎論文針對上述問題，創(chuàng)新性地研究了身體與部位的聯(lián)合關聯(lián)和檢測問題。不同于以往各類需要建立額外的關聯(lián)策略或子網(wǎng)絡的方法，論文提出直接擴展傳統(tǒng)的目標檢測表征，將人體的各種身體部位作為偏移點，統(tǒng)一地編碼進檢測表征中，以實現(xiàn)整體和部位的聯(lián)合檢測，方法被命名為BPJDet。這種簡單且高效的做法，可以結合單階段目標檢測框架，實現(xiàn)端到端可訓練，即節(jié)省了訓練耗時，又省去了各種易出錯的后處理操作，在多種身體與部位的聯(lián)合檢測數(shù)據(jù)集上，達到了最好的性能。最重要的是，這種簡潔的思路，可以繼續(xù)為其它下游任務提供支撐，如基于人體和人頭的雙檢驗精準人群計數(shù)，或繼續(xù)擴展檢測表征向量，實現(xiàn)人與物體的接觸狀態(tài)估計等任務，相關工作已擴展到期刊文章BPJDetPlus中。

ICME為CCF推薦B類會議，是國際多媒體領域高水平會議之一，是展示與交流多媒體領域科學成果和創(chuàng)新項目的重要學術論壇。ICME 2023共收到1415篇有效投稿論文，錄取率約為28%，經(jīng)過多輪嚴格評選，最終僅產(chǎn)生2項論文獎：最佳學生論文(Best Student Paper)以及最佳學生論文亞軍 (Best Student Paper Runner Up)。

查詢進一步信息，請訪問官方網(wǎng)站http://news.sjtu.edu.cn/jdyw/20230809/186979.html，以及http://github.com/hnuzhy/BPJDet/tree/BPJDetPlus。（張嘉汐，產(chǎn)通發(fā)布）    （完）