當(dāng)你開(kāi)著車(chē)行駛在馬路上，看到一位老人正要過(guò)馬路，你點(diǎn)了點(diǎn)剎車(chē)穩(wěn)穩(wěn)停在了斑馬線前；繼續(xù)上路，有塊路面正在維修，你輕輕轉(zhuǎn)了把方向，繞過(guò)施工警示牌……也許對(duì)于這些操作，你已經(jīng)駕輕就熟。
但如果這是一輛自動(dòng)駕駛的汽車(chē)呢？如何讓汽車(chē)能“看見(jiàn)”面前的這些信息迅速做出反應(yīng)？這就是機(jī)器視覺(jué)研究的一個(gè)重要應(yīng)用方向。
前不久回國(guó)全職加盟浙江大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院的沈春華教授，正是這一領(lǐng)域的世界頂級(jí)學(xué)者。深耕機(jī)器視覺(jué)研究多年的他，此前曾是澳大利亞阿德萊德大學(xué)計(jì)算機(jī)科學(xué)學(xué)院的終身教授，同時(shí)任職澳大利亞機(jī)器學(xué)習(xí)研究院、澳大利亞機(jī)器人視覺(jué)卓越研究中心，不僅帶領(lǐng)團(tuán)隊(duì)做出過(guò)FCOS、RefineNet等知名的視覺(jué)算法，還貢獻(xiàn)了不少開(kāi)源工具。
“希望在浙大，我們能讓機(jī)器‘看’得更清楚。”沈春華說(shuō)。
讓視覺(jué)識(shí)別更加靈敏
給機(jī)器一張圖片或者一段視頻，如何把目標(biāo)信息找出來(lái)？現(xiàn)在常用的是基于錨定框（anchor box）的目標(biāo)檢測(cè)算法，預(yù)先設(shè)計(jì)好不同的模板，讓算法在經(jīng)過(guò)“訓(xùn)練”之后利用最匹配的模板檢測(cè)并識(shí)別出目標(biāo)。
“業(yè)界之前普遍認(rèn)為，去掉錨定框會(huì)大大降低識(shí)別效果。缺點(diǎn)是算法設(shè)計(jì)比較復(fù)雜，錨定框數(shù)量非常多，比如小汽車(chē)是矮矮胖胖的矩形框，路燈桿是細(xì)細(xì)長(zhǎng)長(zhǎng)的矩形框，每種常見(jiàn)事物都得考慮進(jìn)去?！鄙虼喝A說(shuō)，這些問(wèn)題影響了視覺(jué)識(shí)別的效率。于是他帶領(lǐng)團(tuán)隊(duì)開(kāi)始研究新的算法。
2019年，沈春華和他的博士生發(fā)表論文，提出了FCOS（Fully Convolutional One-Stage Object Detection）目標(biāo)檢測(cè)算法。這是一個(gè)基于FCN算法的無(wú)錨點(diǎn)的目標(biāo)檢測(cè)模型，顯著地簡(jiǎn)化了目標(biāo)檢測(cè)算法的復(fù)雜性，提高識(shí)別效率。實(shí)踐證明，這個(gè)新算法提供了可與基于錨定框的方法媲美的目標(biāo)檢測(cè)效果，目前論文單篇引用量超過(guò)2100，成果廣泛應(yīng)用到了自動(dòng)駕駛等諸多CV領(lǐng)域中。
“這相當(dāng)于用逐像素的方法來(lái)識(shí)別物體。比如對(duì)于一輛小汽車(chē)，只要能定位出擋風(fēng)玻璃的幾個(gè)關(guān)鍵點(diǎn)，就能提取出有效特征，最終定位出這輛車(chē)。就像我們只要識(shí)別出鼻子，就能大概知道整個(gè)臉的輪廓了。”
這個(gè)比喻，頗有點(diǎn)牽牛要牽牛鼻子的意味。研究工作也是如此，認(rèn)準(zhǔn)方向，抓住矛盾，然后使出全力。在多年的研究中，沈春華聚焦目標(biāo)檢測(cè)、圖像分割等方向，在NeurIPS、CVPR、ICCV等頂會(huì)上發(fā)表論文150余篇，除了提出RefineNet、FCOS算法、實(shí)例分割新方法SOLO外，還貢獻(xiàn)了AdelaiDet、AdelaiDepth等開(kāi)源工具，好評(píng)如潮。
算法也講究“大道至簡(jiǎn)”
蘋(píng)果手機(jī)的Siri系統(tǒng)軟件，相信大家已經(jīng)不陌生了，手機(jī)通過(guò)強(qiáng)大的語(yǔ)音識(shí)別功能，可以輕松實(shí)現(xiàn)與人對(duì)話交流。
可是你能想象，20年前的功能手機(jī)，就可以初步實(shí)現(xiàn)語(yǔ)音識(shí)別了嗎？本世紀(jì)初，摩托羅拉手機(jī)就率先推出了“念號(hào)碼打電話”的功能，用戶對(duì)手機(jī)說(shuō)出一串電話號(hào)碼或者通訊錄里的姓名，手機(jī)就能撥打出去。
而當(dāng)時(shí)的開(kāi)發(fā)團(tuán)隊(duì)中就有沈春華。“剛好我當(dāng)時(shí)南大的導(dǎo)師和摩托羅拉有項(xiàng)目合作，我就去了摩托羅拉中國(guó)研究中心實(shí)習(xí)，參與了這個(gè)項(xiàng)目，也由此開(kāi)始接觸人工智能相關(guān)研究，”沈春華說(shuō)，那時(shí)他常常去圖書(shū)館找紙質(zhì)的美國(guó)電子工程學(xué)會(huì)的最新期刊來(lái)看，自學(xué)了一些基礎(chǔ)算法，“人工智能那時(shí)候才剛剛興起，做的人不多，但我還是對(duì)它著了迷?！?/p>
赴澳大利亞留學(xué)后，沈春華將研究鎖定在了計(jì)算機(jī)視覺(jué)領(lǐng)域。從二維的語(yǔ)音到三維的圖像，這又是全新的挑戰(zhàn)，他從頭開(kāi)始學(xué)起，不知疲倦。
博士畢業(yè)后，在澳大利亞國(guó)家通訊信息研究院工作時(shí)，團(tuán)隊(duì)帶頭人是計(jì)算機(jī)視覺(jué)研究先驅(qū)之一的理查德·哈特利 （Richard Hartley）。“他們?cè)谏鲜兰o(jì)80年代開(kāi)始做計(jì)算機(jī)視覺(jué)時(shí)，還沒(méi)有數(shù)碼相機(jī)，他們就是靠著一支筆、一把尺去做圖像數(shù)字化，研究條件跟今天天壤之別。”
沿著前輩的足跡，沈春華從跟蹤學(xué)習(xí)到創(chuàng)新探索，終于在未知的世界里大步踏出自己的路?！安灰^(guò)度設(shè)計(jì)”，這是沈春華一直堅(jiān)持的，在他看來(lái)，簡(jiǎn)單有效的算法才是好算法，“不能為了復(fù)雜而復(fù)雜，算法的最終目的還是解決問(wèn)題。”
憑著“大道至簡(jiǎn)”的設(shè)計(jì)思路，過(guò)去幾年，沈春華團(tuán)隊(duì)跟產(chǎn)業(yè)界合作的一些算法被裝在手機(jī)里、電腦里，供上億用戶使用。
創(chuàng)造更大的社會(huì)價(jià)值
在澳大利亞學(xué)習(xí)工作近20年，沈春華似乎觸摸到了天花板，他想創(chuàng)造更多社會(huì)價(jià)值的想法與浙江大學(xué)不謀而合。
“目前人工智能的發(fā)展，中國(guó)已經(jīng)超過(guò)了大部分西方國(guó)家，僅次于美國(guó)。浙大計(jì)算機(jī)學(xué)科很強(qiáng)，我入職的計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室是圖形學(xué)、圖像領(lǐng)域唯一的國(guó)家重點(diǎn)實(shí)驗(yàn)室。站在這樣的高平臺(tái)上，身處人才濟(jì)濟(jì)的團(tuán)隊(duì)中，相信我能和同事們做出一番事業(yè)！”
加盟浙大的半年來(lái)，沈春華在學(xué)校、學(xué)院以及國(guó)家重點(diǎn)實(shí)驗(yàn)室的大力支持下建立了自己的研究團(tuán)隊(duì)，擁有了寬敞的實(shí)驗(yàn)用地。“團(tuán)隊(duì)之間都是非常開(kāi)放的，我很感激這里自由的科研氛圍。”
沈春華門(mén)下不僅有浙大的本科生、碩士生和博士生，其他一些國(guó)內(nèi)著名高校的學(xué)生也慕名而來(lái)。他會(huì)花很多時(shí)間跟學(xué)生交流，有時(shí)候甚至?xí)?zhēng)得面紅耳赤。在他看來(lái)，天賦與勤奮這兩者都是不可或缺的，而能提出創(chuàng)新想法很重要，哪怕花了兩個(gè)月時(shí)間證明是錯(cuò)了也是值得的。
目前，沈春華正帶領(lǐng)團(tuán)隊(duì)在計(jì)算機(jī)視覺(jué)領(lǐng)域繼續(xù)深耕，期待通過(guò)加強(qiáng)與工業(yè)界的合作，給社會(huì)帶來(lái)更多價(jià)值。同時(shí)他還希望能與醫(yī)學(xué)、生物等學(xué)科開(kāi)展交叉研究，讓人工智能的研究工作在更廣闊的土地上開(kāi)花結(jié)果。
(文字記者：吳雅蘭 攝影：盧紹慶)
