近日，电气信息工程学院钱晓亮副教授团队在人工智能和计算机视觉领域的顶级期刊《IEEE Transactions on Multimedia》（《IEEE 多媒体汇刊》）上发表的题为“Co-Saliency Detection Guided by Group Weakly Supervised Learning（组弱监督学习引导的协同显著性检测）”的研究论文，入选ESI高被引。
针对现有协同显著性检测结果容易受到非公共显著目标的干扰这一问题，论文提出了一种组弱监督学习引导的协同显著性检测方法。论文首先以一组相关图像的公共类别作为真值，通过弱监督学习的方式构建新的组类别激活图(Group Class Activation Maps, GCAM)网络，并且该网络产生的GCAM仅突显图像组中公共类别目标所覆盖的区域，最后通过将GCAM与基于特征金字塔网络的主干网络融合以推理协同显著图。实验结果表明，在受到相似非公共显著目标干扰的情况下，所提方法能够更准确地检测出公共显著目标。该成果可以为图像检索、目标检测和跟踪、目标协同分割等多种计算机视觉任务提供先验知识。
该论文以郑州轻工业大学为第一署名单位，钱晓亮副教授为第一作者，王慰教授为通信作者。论文得到了国家自然科学基金面上项目、河南省科技攻关等项目的支持。
《IEEE Transactions on Multimedia》创刊于1999年，是国际多媒体技术和多媒体应用领域最具影响力的学术期刊，涵盖了计算机、信息系统、电信学等方面的研究，旨在促进多媒体技术的发展和应用。该期刊为中科院大类分区一区Top期刊，2023年影响因子7.3 。
原文链接：Co-Saliency Detection Guided by Group Weakly Supervised Learning
引用格式：Xiaoliang Qian, Yinfeng Zeng, Wei Wang, Qiuwen Zhang, Co-saliency Detection Guided by Group Weakly Supervised Learning [J], IEEE Trans. on Multimedia, 2023, 25: 1810-1818.
钱晓亮于2013年在西北工业大学自动化学院控制科学与工程专业获工学博士学位，现为郑州轻工业大学电气信息工程学院副教授，硕士生导师；中国图象图形学会遥感图像专业委员会委员，中国电工技术学会高级会员，河南省电工技术学会和河南省仪器仪表学会理事。担任国家自然科学基金、教育部学位与研究生教育发展中心的网评专家；IEEE TPAMI、IEEE TMM、IEEE TSMCA、IEEE TCSVT、IEEE TIV、IEEE TGRS等多个IEEE会刊，以及遥感学报、吉林大学学报（工学版）和工程科学学报等多个国内优秀EI期刊的审稿专家。
钱晓亮副教授主要从事人工智能、计算机视觉、高分辨率遥感影像解译、机器视觉检测及其在新能源发电设备质量检测中的应用等方向的研究工作，先后主持国家自然科学基金面上项目和青年科学基金项目各1项，河南省科技攻关项目2项。主持获河南省科学技术进步奖二等奖、河南省教育厅科技成果奖一等奖、《遥感学报》和《仪器仪表学报》年度优秀论文奖各1项，河南省教育厅优秀科技论文奖一等奖2项。第一和通讯作者发表学术论文30余篇，其中，SCI论文20余篇(含中科院一区Top期刊论文5篇，二区论文8篇)，中文EI期刊6篇。第一发明人授权发明专利9项。在电子工业出版社出版学术专著2部。
通信作者：王慰
王慰教授现为郑州轻工业大学电气信息工程学院教授，硕士生导师，兼职博士生导师。曾任美国西北大学电子系客座教授、美国纽约州立大学纳米学院教授、博士生导师，美国国家纳米科研机构SRC、NRI和Sematech的主要负责成员，国际工程师总会IEEE纳米电子协会主席等。
王慰教授主要从事人工智能与模式识别、计算机视觉、触觉感知和柔性电子材料等方面的研究工作。先后主持美国国家自然科学基金、美国微电子中心、美国纳米中心等项目8项，主持北京市科委重大项目1项、河南省省级项目2项；获加拿大纳米新技术CFI奖、美国普渡大学科技创新奖、IBM教授奖等5项。在国内外重要期刊和国际会议上发表SCI/EI论文130余篇，授权发明专利13项，出版学术专著2部。