2019年计算机视觉与模式识别会议（IEEE Conference on Computer Vision and Pattern Recognition，CVPR）不久前发布了论文录用结果，我校自动化学院刘青山团队的张开华教授一项关于协同显著性检测方面的研究成果被大会接收。张开华教授及其二年级硕士研究生李腾鹏同学分为一作和二作。该工作得到自然科学基金重点项目、面上项目和江苏省自然科学基金杰青项目的支持。 

CVPR是全球计算机视觉与模式识别国际顶级会议，指引着计算机视觉领域未来的研究方向。被中国计算机学会（CCF）列为A类会议，每年的论文录用率一般在20%左右，本届大会共接收投稿5165篇，录用1300篇，参会人数超过9200人。根据当前非常流行的Google Scholar Citation统计，CVPR的H5 index为158，排在所有学科目录35位（Nature第1位，Science第3位，Cell第6位），排在电信学科所有期刊和会议的第1位。此项研究成果的取得，标志着自动化学院在计算机视觉与人工智能领域的持续创新与进步。

 论文的题目为“Co-saliency Detection via Mask-guided Fully Convolutional Networks with Multi-scale Label Smoothing”，是协同显著性检测方面的研究工作，内容旨在检测一组输入图片中具有高度相似或者相同的能够吸引人眼注意力的物体和区域。现有的工作往往存在检测强语义信息的能力弱，忽略了一组所有图片之间的强关联性，计算时间成本高等问题。本文提出了利用基于掩模指导的卷积网络和多尺度标签优化的协同显著性检测方法。亮点在于，第一，利用提出的掩模指导的卷积网络框架得到一组初始的协同掩模，然后被嵌入端到端的显著性卷积检测网络得到协同显著图；第二，基于多尺度的标签优化模型进一步提高最终的协同显著性检测的结果。最终结果在该领域的三个公开数据集上均达到了顶尖水准。图1是本文的整体研究思路。

图1

CVPR-2019国际会议已于2019年6月16日-6月20日在美国长滩举行。李腾鹏同学受资助赴美参加了此次会议，并在当地时间18号下午三点到六点的poster session进行了海报展览，与来自美国，英国，加拿大，韩国，日本，中国台湾等世界各国各地区的学者作了详细的讲解和交流。图2为poster展示。

图2