我校王琦进教授及其团队在人工智能领域国际顶级期刊《Expert Systems With Applications》发表高水平论文

　　本网讯(通讯员：刘圆)近日，我校王琦进教授及其团队在中科院一区人工智能领域TOP期刊《Expert Systems With Applications》发表高水平论文《M2YOLOF: Based on Effective Receptive Fields and Multiple-in-Single-out Encoder for Object Detection》(论文链接https://doi.org/10.1016/j.eswa.2022.118928)。《Expert Systems With Applications》是中国人工智能学会认定的A级期刊，2022年的影响因子/JCR分区分别为8.665/Q1，Google Scholar上的H指数排名人工智能类期刊第五位。此次文章发表在国际高水平期刊上有助于提升我校的科学研究与人工智能学科专业建设水平。

　　该论文针对实时性目标检测任务的重要挑战(效率与精度的平衡)进行研究。传统目标检测器，检测精度的提高伴随着巨大的时间开销，因而难以部署到实际的应用场景中。鉴于此，科研人员提出了M2YOLOF目标检测算法，构造了多入单出的特征编码器来增强多尺度目标的全局表示与局部细节。M2YOLOF加入自注意力机制来捕获大尺度目标的全局依赖，并采用锚机制生成训练样本，同时科研人员利用有效感受野设计了动态样本选择策略来合理化样本数量与质量的平衡。实验证实了该方法在检测精度以及推理速度上具有显著优势。

　　早期，王琦进教授及其团队在中科院二区人工智能领域国际著名期刊《Neurocomputing》(JCR分区：Q1，影响因子：5.779，TOP期刊)上发表了论文《Enhancing representation learning by exploiting effective receptive fields for object detection》，M2YOLOF是对该论文在理论上的完善，并进一步丰富了有效感受野在目标检测上的应用。

图1 M2YOLOF框架

图2 注意力编码器结构

图3 eRFOTA匹配方法

　　(审核：邱国新 责任编辑：潘玲阳)