近日，中國科學(xué)院自動(dòng)化研究所智能感知與計(jì)算研究中心研究員張兆翔及其團(tuán)隊(duì)借鑒腦神經(jīng)機(jī)制與視覺認(rèn)知機(jī)理，在視覺物體檢測模型與方法上取得一系列進(jìn)展，共有5篇文章被ICCV2019錄用，1篇文章被NeurIPS2019錄用，1篇文章被JMLR 期刊收錄。本次著重介紹基于三叉戟網(wǎng)絡(luò)（Trident Networks）的物體檢測。

物體檢測是計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域的核心問題，一直以來受到學(xué)術(shù)界與工業(yè)界的廣泛關(guān)注。當(dāng)前物體檢測最大的難點(diǎn)是如何對場景中多種尺度的物體進(jìn)行有效表征，進(jìn)而進(jìn)行更為高效、更為準(zhǔn)確、更為魯棒的物體檢測。

在二維透視成像中，近大遠(yuǎn)小是一個(gè)常見的現(xiàn)象，如圖1所示。這一透視關(guān)系，幫助人類視覺系統(tǒng)形成對三維空間的感知。但對于基于二維圖像的視覺感知任務(wù)而言，近大遠(yuǎn)小會(huì)導(dǎo)致相同真實(shí)大小的物體根據(jù)遠(yuǎn)近不同，因而在成像平面上形成不同尺度的物體。這將對視覺感知任務(wù)提出挑戰(zhàn)。具體來說：（1）這會(huì)導(dǎo)致信息的衰減，二維圖像捕獲的信息隨距離二次衰減，因而30米外的物體在圖片上可能只有15米外相同物體1/4的像素；（2）卷積神經(jīng)網(wǎng)絡(luò)具有局限性。由于卷積操作在二維平面上采用相同大小的滑動(dòng)窗口進(jìn)行計(jì)算，同一卷積操作無法同時(shí)對尺度差異較大的物體進(jìn)行響應(yīng)。

針對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的局限，張兆翔及其團(tuán)隊(duì)首次提出 Trident 網(wǎng)絡(luò)結(jié)構(gòu)。首先通過不同膨脹系數(shù)的卷積支路實(shí)現(xiàn)對不同尺度的物體的識(shí)別，然后通過權(quán)重共享實(shí)現(xiàn)對不同尺度相同物體的一致性刻畫。研究人員還提出了一種在測試階段只需要一條卷積支路的快速 Trident 網(wǎng)絡(luò)，快速 Trident 網(wǎng)絡(luò)保持了與傳統(tǒng)檢測器骨干網(wǎng)絡(luò)相同的計(jì)算量，大幅提升了該方法的實(shí)用性。

該Trident方法可以與不同基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)結(jié)合，并在 COCO 數(shù)據(jù)集上取得大幅度提升。該文作為Oral文章在ICCV2019發(fā)表。

據(jù)悉，ICCV2019近期在韓國首爾召開。ICCV的全稱是國際計(jì)算機(jī)視覺大會(huì)，是計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域的頂級會(huì)議。本次會(huì)議，張兆翔及其團(tuán)隊(duì)共有5篇論文被接收，其中2篇為oral；3篇為poster。