近期，人工智能與大數(shù)據(jù)學(xué)院計(jì)算機(jī)視覺(jué)與模式識(shí)別協(xié)同創(chuàng)新團(tuán)隊(duì)在遙感圖像解譯、低光圖像檢測(cè)、水下圖像增強(qiáng)和低光圖像增強(qiáng)等方向取得重要進(jìn)展，研究成果分別發(fā)表于《IEEE Transactions on Geoscience and Remote Sensing》（中科院一區(qū)Top，影響因子8.6）、《Expert Systems with Applications》（中科院一區(qū)Top，影響因子7.5）等國(guó)際權(quán)威期刊，并有論文已被《IEEE Transactions on Multimedia》（中科院一區(qū)Top，影響因子9.7）錄用待刊出。
在遙感小目標(biāo)檢測(cè)方向，團(tuán)隊(duì)針對(duì)遙感影像復(fù)雜背景干擾和小目標(biāo)檢測(cè)難題，提出軸壓縮與多路徑尺度自適應(yīng)融合網(wǎng)絡(luò)（AMSFNet）。該網(wǎng)絡(luò)設(shè)計(jì)單向多尺度耦合模塊增強(qiáng)小目標(biāo)特征提取能力，構(gòu)建軸壓縮增強(qiáng)注意力模塊聚合全局與局部信息以降低背景噪聲干擾，通過(guò)多路徑尺度自適應(yīng)融合方法實(shí)現(xiàn)大小目標(biāo)檢測(cè)平衡。陳巖博士為第一作者，王曉峰教授為通訊作者，合肥大學(xué)人工智能與大數(shù)據(jù)學(xué)院為第一完成單位。（論文標(biāo)題：Axis-Squeeze and Multirouting Scale-Adaptive Fusion Network for Remote Sensing Images Object Detection，引用鏈接：https://ieeexplore.ieee.org/document/11121344）
在復(fù)雜場(chǎng)景遙感語(yǔ)義分割方向，團(tuán)隊(duì)提出輕量級(jí)跨域耦合網(wǎng)絡(luò)（LCCN）。該網(wǎng)絡(luò)創(chuàng)新性采用“Encoder-Coupler-Decoder”架構(gòu)，耦合器中通過(guò)跨域耦合模塊實(shí)現(xiàn)多尺度特征提取與全局信息建模，解碼器中借助輕量級(jí)全特征映射注意力模塊捕捉多維度特征交互，優(yōu)化復(fù)雜場(chǎng)景下的語(yǔ)義分割效果。王曉峰教授為第一作者，陳巖博士為通訊作者，合肥大學(xué)人工智能與大數(shù)據(jù)學(xué)院為第一完成單位。（論文標(biāo)題：Cross-Domain Coupling Network With Lightweight Fully Featured Mapping and Loop Aggregation for Semantic Segmentation of High-Resolution Remote Sensing Images，引用鏈接：https://ieeexplore.ieee.org/document/11129080）
在低光環(huán)境目標(biāo)檢測(cè)方向，團(tuán)隊(duì)提出光照調(diào)制拉普拉斯金字塔增強(qiáng)網(wǎng)絡(luò)（ILENet）。該網(wǎng)絡(luò)設(shè)計(jì) LEP 與 IMM 兩大關(guān)鍵組件，LEP 優(yōu)化低光圖像多頻率信息以提亮度、IMM 生成語(yǔ)義校正參數(shù)以?xún)?yōu)圖像，且與 YOLO 檢測(cè)器集成形成新框架，采用聯(lián)合訓(xùn)練平衡增強(qiáng)與檢測(cè)任務(wù)，在低光數(shù)據(jù)集上達(dá) SOTA（準(zhǔn)確率 78.5%），其有效性亦經(jīng)低光語(yǔ)義分割任務(wù)驗(yàn)證。王曉峰教授為第一作者，鄒樂(lè)教授為通訊作者，合肥大學(xué)人工智能與大數(shù)據(jù)學(xué)院為第一完成單位。（論文標(biāo)題：ILENet: Illumination-Modulated Laplacian-Pyramid Enhancement Network for low-light object detection，引用鏈接：https://www.sciencedirect.com/science/article/pii/S0957417425001265）
在水下圖像增強(qiáng)方向，研究團(tuán)隊(duì)提出一種融合特征提示 Transformer 的漸進(jìn)式聚合器方法。該方法融合特征注意力機(jī)制與提示權(quán)重調(diào)節(jié)輸入特征、聚焦全局信息并增強(qiáng)局部細(xì)節(jié)以?xún)?yōu)化畫(huà)質(zhì)的特征提示 Transformer 模塊，實(shí)現(xiàn)特征高效傳遞與多尺度特征聚合、全面捕捉圖像細(xì)節(jié)與語(yǔ)義信息的四階段漸進(jìn)式聚合器。該方法展現(xiàn)出優(yōu)異的學(xué)習(xí)與泛化能力，且能為下游視覺(jué)任務(wù)帶來(lái)顯著性能增益。楊靜博士為第一作者和通訊作者，合肥大學(xué)人工智能與大數(shù)據(jù)學(xué)院為第一完成單位。（論文標(biāo)題：PAFPT: Progressive aggregator with feature prompted transformer for underwater image enhancement，引用鏈接：https://www.sciencedirect.com/science/article/pii/S0957417424024060）
在低光環(huán)境圖像增強(qiáng)方向，團(tuán)隊(duì)提出去噪調(diào)制混合語(yǔ)義尺度感知網(wǎng)絡(luò)（DHSNet）。該網(wǎng)絡(luò)設(shè)計(jì) SNR 去噪機(jī)制與 HSM 模塊兩大關(guān)鍵組件，前者在增強(qiáng)前對(duì)噪聲進(jìn)行預(yù)處理，后者實(shí)現(xiàn)多尺度語(yǔ)義特征融合以提升增強(qiáng)魯棒性，同時(shí)引入 IPAB 模塊以?xún)?yōu)化光照校正與非線(xiàn)性變換能力。DHSNet 有效緩解了噪聲、偽影與色彩失真問(wèn)題，能夠在保留細(xì)節(jié)的同時(shí)重建退化結(jié)構(gòu)。在多個(gè)低光增強(qiáng)數(shù)據(jù)集上的實(shí)驗(yàn)表明，DHSNet 在定性與定量指標(biāo)上均優(yōu)于現(xiàn)有方法，并在無(wú)參考低光增強(qiáng)與低光目標(biāo)檢測(cè)任務(wù)中展現(xiàn)出良好的泛化能力，驗(yàn)證了其在真實(shí)場(chǎng)景中的應(yīng)用價(jià)值。碩士生楊仁濤與吳志澤教授為共同第一作者，王曉峰教授與鄒樂(lè)教授為共同通訊作者，合肥大學(xué)人工智能與大數(shù)據(jù)學(xué)院為第一完成單位。（論文標(biāo)題：DHSNet: Denoised-Modulated Hybrid-Semantic Scale-Aware Network for Low-Light Image Enhancement，狀態(tài)：已錄用，待刊出 Accepted）
計(jì)算機(jī)視覺(jué)與模式識(shí)別協(xié)同創(chuàng)新團(tuán)隊(duì)前身為人工智能與大數(shù)據(jù)學(xué)院視覺(jué)計(jì)算組，成立于2016年，依托安徽省智能制造多模態(tài)數(shù)據(jù)融合工程研究中心、安徽省高校優(yōu)秀科研創(chuàng)新團(tuán)隊(duì)，圍繞國(guó)家和安徽省“人工智能+”和計(jì)算機(jī)視覺(jué)應(yīng)用的重大戰(zhàn)略需求，聚焦國(guó)內(nèi)外視覺(jué)智能與場(chǎng)景認(rèn)知計(jì)算的前沿問(wèn)題，開(kāi)展視覺(jué)智能關(guān)鍵基礎(chǔ)理論與算法研究，助力合肥大學(xué)學(xué)科建設(shè)和安徽省戰(zhàn)略性新興產(chǎn)業(yè)和區(qū)域經(jīng)濟(jì)發(fā)展。
（人工智能與大數(shù)據(jù)學(xué)院 撰稿：陳巖 初審：嵇圣硙 復(fù)審：吳志澤 終審：胡萍）