研究方向

视觉检测测量

物体检测是计算机视觉任务中最基本同时也最具有挑战性的问题之一，近些年来广受关注，尤其是深度学习技术的快速发展极大地推动了物体检测的发展，取得了显著的突破。物体检测通常用于检测数字图像中某一特定类别的视觉对象，如人类、动物、汽车等。我们的工作主要集中在人体检测与缺陷检测，对于其他类别的检测（如车辆检测、地面检测等）与通用目标检测也稍有涉猎。

1. 人体检测是计算机视觉领域的一项重要研究。它的目标是定位静止图像或视频中的所有人，比如行人检测。人体检测的应用包括监控、人机界面、机器人、老年人和残疾人的监控、娱乐和基于内容的检索等。由于人的外表和姿势、图像质量和遮挡的变化，该问题具有一定的挑战性。因此，人体检测的研究一直较为活跃，近年来已提出多种方法来研究特征，处理人体部位和姿势，改进学习框架。

行人检测示意图

图1. 行人检测示意图

2. 异常检测是机器学习中一个非常重要的子任务，在计算机视觉、数据挖掘、自然语言处理等人工智能应用领域中都是顾名思义，异常检测是一种识别异常情况与挖掘非逻辑数据的技术，而工业缺陷检测就是异常检测的一个分支。在工业生产过程中，由于现有技术、工作条件等因素的不足和局限性，极易影响制成品的质量。其中，表面缺陷是产品质量受到影响的最直观表现。因此，为了保证合格率和可靠的质量，必须进行产品表面缺陷检测。由于工业数据采集困难，现有的缺陷检测任务倾向于采用无监督方法，为了实际应用，我们着手于研究无监督缺陷检测算法以及算法的加速。

工业缺陷检测示意图

图2. 工业缺陷检测示意图