本網訊（通訊員：劉慧）近日，我校王琦進教授團隊在稀疏目標檢測技術研究上取得新進展。研究論文“Apply prior feature integration to sparse object detectors”（論文鏈接https://doi.org/10.1016/j.patcog.2024.111103）被SCI國際頂級期刊《Pattern Recognition》收錄。我校2022級聯培碩士研究生錢雨為第一作者，王琦進教授為通訊作者，該論文的發表是我校在科學研究與人工智能學科建設上的又一重要成果。

       《Pattern Recognition》是模式識別與人工智能領域國際公認的頂級學術期刊，由Elsevier公司出版。該期刊2024年的影響因子為7.5，穩居中科院計算機科學一區TOP期刊，同時被國家一級學會—中國計算機學會（CCF）列為人工智能領域B類推薦期刊、中國自動化學會（CAA）A類推薦期刊，彰顯了其卓越的學術影響力與地位。

       論文聚焦于稀疏目標檢測中的高斯噪聲框去噪難題，針對噪聲框在特征金字塔中的低效匹配以及全局特征捕捉的挑戰，團隊創造性地提出了Prior Sparse R-CNN目標檢測框架。該框架巧妙設計了一種聚合編碼器，通過擴展殘差塊和特征聚合策略，有效解決了目標尺度變化帶來的檢測難題，并在單特征圖下實現了檢測效率的顯著提升。

       尤為值得一提的是，Prior Sparse R-CNN引入了區域生成網絡（Region Generation Network, RGN），通過額外的訓練過程生成特征圖的先驗預測，這些先驗信息與噪聲框進行精準匹配，顯著提升了訓練的精確度。與現有方法相比，Prior Sparse R-CNN的平均精度（AP）提高了1.5個百分點，同時訓練周期縮短至原來的3/5，展現了良好的性能提升與效率優化。

       該成果不僅為稀疏目標檢測技術的發展開辟了新的路徑，也進一步彰顯了我校在人工智能領域的研究底蘊與貢獻。未來，我校將繼續在人工智能及相關科研領域深耕細作，不斷攀登科技高峰，為高質量應用型人才培養貢獻力量。

（審核：邱國新  編輯：陳璟）