计算机视觉领军学者沈春华归国，已加入浙江大学

机器之心报道

机器之心编辑部

越来越多海外任教的学者正在「回归」国内。

昨日，有消息传出，原澳大利亚阿德莱德大学计算机科学学院教授沈春华已于本月正式加入浙江大学。

沈春华老师的个人主页也透露出，他已于 12 月份正式加入了浙江大学，目前在浙大紫金港校区的计算机辅助设计与图形学国家重点实验室工作。该实验室的学术委员会主任由中国工程院院士潘云鹤教授担任。

沈春华曾在南京大学（强化部本科及电子系硕士）、澳大利亚国立大学（硕士）学习，并在阿德莱德大学获得计算机视觉方向的博士学位。

2011 年，沈春华入职阿德莱德大学计算机科学学院，先后担任高级讲师、副教授、教授，主要从事统计机器学习以及计算机视觉领域的研究工作。离职之前，他同时担任澳大利亚机器人视觉中心（Australian Centre for Robotic Vision）的项目主任（ProjectLeader）和阿德莱德大学机器学习实验室主任。沈春华目前也在澳大利亚莫纳什大学任客座教授。

Google Scholar 上的数据显示，沈春华的论文被引量已经接近 34000 次，h-index 指数为 92，其代表性工作包括 2017 年的 Refinenet 和 2019 年的 FCOS 算法等。

Google Scholar 页面：https://scholar.google.com/citations?user=Ljk2BvIAAAAJ&hl=en

其中，FCOS 被 ICCV 评为 2019 年最具影响力的 15 篇论文之一。在这篇论文中，沈春华等人提出了一个基于 anchor-free 的单阶段目标检测算法，将预定义的 anchors 进行移除，进而减少了大量的计算以及内存占用，同时，anchor 中的超参对于最终的结果也有较大的影响，而该算法完美地将其避开。这篇论文的被引量目前已经接近 1400。

FCOS 论文：https://arxiv.org/pdf/1904.01355.pdf

计算机排名网站 CSRanking 显示，沈春华是过去 10 年间在人工智能领域顶级会议发表论文第二多的在澳学者（第一名是陶大程）。有人表示，「他的科研成果和产出是阿德莱德大学下属的澳大利亚机器学习研究院 (Australian Institute for Machine Learning，AIML) 能在 CSRanking 上排名世界第 4 的主要原因之一。」

除了论文，沈春华教授带领的团队在开源方面也做出了重要贡献，他们的多实例级检测、识别开源工具箱 AdelaiDet 在 GitHub 上收获了 2600 多颗星，实现了 FCOS、BlendMask 等十多个算法。

AdelaiDet 地址：https://github.com/aim-uofa/AdelaiDet/

据悉，该工具箱中的部分算法曾被全球顶级手机厂商用于旗舰手机的开发。

在教书育人方面，沈春华老师可以说是桃李满天下。他的许多博士生毕业后加入了腾讯、华为诺亚、京东、美团等互联网巨头。机器之心不久之前也报道了他的博士生王鑫龙获得今年谷歌博士生奖研金的消息。

值得注意的是，除了沈春华教授，悉尼科技大学教授杨易此前也加盟了浙江大学，担任特聘教授。

杨易 2010 年在浙江大学获得计算机博士学位，2011 年 - 2013 年在卡内基梅隆大学作博士后研究，后在昆士兰大学担任 DECRA 高级研究员，2014 年年底起在悉尼科技大学先后担任高级讲师、副教授，并于 2017 年 5 月晋升为教授，曾获教育部全国优秀博士论文、浙江省自然科学一等奖、澳大利亚研究理事会青年职业奖和澳大利亚计算机学会颠覆创新金奖、谷歌学者研究奖和 AWS 机器学习研究奖等十余次人工智能领域国际奖项。

他的研究兴趣主要集中在大规模视频分析与理解、跨媒体智能计算、监控视频分析等方面。

Google Scholar 的数据显示，杨易的论文被引量达到了 34000+，h-index 高达 94。

两位大牛的加入让浙江大学的学子振奋不已。

有关沈春华教授加入浙大之后的具体职位等信息，我们还需要等待官方公告。

参考内容：

https://cshen.github.io/index.html

https://www.gaoxiaounion.com/thread-3550-1-1.html

https://www.gaoxiaounion.com/archiver/tid-3550.html

苏黎世联邦理工DS3Lab：构建以数据为中心的机器学习系统

苏黎世联邦理工学院(ETH Zurich) DS3Lab实验室由助理教授张策以及16名博士生和博士后组成，主要致力于两大研究方向，Ease.ML项目：研究如何设计、管理、加速以数据为中心的机器学习开发、运行和运维流程，ZipML项目：面向新的软硬件环境设计实现高效可扩展的机器学习系统。

12月15日-12月22日 ，来自苏黎世联邦理工学院DS3Lab实验室的11位嘉宾将带来6期分享：构建以数据为中心的机器学习系统，详情如下：

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道：content@jiqizhixin.com