本網訊(通訊員：劉圓)近日，我校王琦進教授及其團隊在中科院一區人工智能領域TOP期刊《Expert Systems With Applications》發表高水平論文《M2YOLOF: Based on Effective Receptive Fields and Multiple-in-Single-out Encoder for Object Detection》(論文鏈接https://doi.org/10.1016/j.eswa.2022.118928)?！禘xpert Systems With Applications》是中國人工智能學會認定的A級期刊，2022年的影響因子/JCR分區分別為8.665/Q1，Google Scholar上的H指數排名人工智能類期刊第五位。此次文章發表在國際高水平期刊上有助于提升我校的科學研究與人工智能學科專業建設水平。

　　該論文針對實時性目標檢測任務的重要挑戰(效率與精度的平衡)進行研究。傳統目標檢測器，檢測精度的提高伴隨著巨大的時間開銷，因而難以部署到實際的應用場景中。鑒于此，科研人員提出了M2YOLOF目標檢測算法，構造了多入單出的特征編碼器來增強多尺度目標的全局表示與局部細節。M2YOLOF加入自注意力機制來捕獲大尺度目標的全局依賴，并采用錨機制生成訓練樣本，同時科研人員利用有效感受野設計了動態樣本選擇策略來合理化樣本數量與質量的平衡。實驗證實了該方法在檢測精度以及推理速度上具有顯著優勢。

　　早期，王琦進教授及其團隊在中科院二區人工智能領域國際著名期刊《Neurocomputing》(JCR分區：Q1，影響因子：5.779，TOP期刊)上發表了論文《Enhancing representation learning by exploiting effective receptive fields for object detection》，M2YOLOF是對該論文在理論上的完善，并進一步豐富了有效感受野在目標檢測上的應用。

圖1 M2YOLOF框架

圖2 注意力編碼器結構

圖3 eRFOTA匹配方法

　　(審核：邱國新 責任編輯：潘玲陽)