本网讯（通讯员 张斌）近日，我校计算机科学与工程学院人工智能学院2021级研究生研究生王名茂同学在目标检测领域发表两篇高水平期刊论文，在围绕目标检测任务的核心理论问题，在船舶牌照检测和无人机检测领域获得技术突破。论文署名第一单位为武汉工程大学智能机器人湖北省重点实验室、计算机科学与工程学院、人工智能学院。

论文“TOCNet: A target occlusion contrast network for license plate detection in waterways”已发表于计算机应用技术领域的国际期刊《Expert System with Application》，该期刊是计算机应用领域最重要的国际期刊之一，影响因子为8.5，是中科院一区TOP期刊。

针对船舶牌照自动检测中所面临的两大关键问题：缺乏公开可用的船舶牌照数据和复杂背景条件导致船舶牌照识别系统的误检率高。该论文首次发布名为SLPD的复杂背景船舶牌照检测数据集，填补行业数据集空白；并提出了目标遮挡对比网络（TOCNet）首次将对比学习技术应用于船舶牌照检测任务中，设计了一种独特的三元组对比样本生成策略用于解决误检率高的问题（如图2所示）。实验结果表明， TOCNet模型相较于当前最先进的几种目标检测算法，在船舶牌照检测精度方面展现出了优越性（算法视觉对比图如图3）。

图1 三元组对比样本示例

图2 TOCNet总体框架。

图3 论文算法视觉对比图

针对无人机检测任务，论文“Contrastive Learning and Similarity Feature Fusion for UAV Image target Detection”发表于无人机目标检测领域的国际期刊《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》，该期刊是无人机目标检测领域最重要的国际期刊之一，影响因子为4.8，是中科院三区期刊。论文第一作者是2021级研究生王名茂同学，研究生导师张斌副教授为唯一通讯作者。

针对无人机目标检测中存在背景复杂和小目标漏检的问题，论文提出了一种基于对比度学习和相似度特征融合的目标检测网络（YOLO-CS），设计了一个目标遮挡对比学习模块，然后提出了一种相似性融合模块来解决小目标漏检的问题。在公开数据集VisDrone2019和UAVDT上的实验结果表明，所提出的YOLO-CS模型优于其他前沿的小目标检测方法。图4展示了该论文的算法框架。图5展示了论文算法和前沿算法定性的对比实验结果。

图4 YOLO-CS的总体框架

图5 论文算法与前沿最优算法的视觉对比图

张斌博士课题组围绕智能检测领域的核心技术问题开展攻关，在船舶牌照检测与无人机小目标检测等领域取得了核心技术突破，相关技术具有良好的应用前景，在车牌检测以及文本检测等任务中具有良好的拓展性，为智能化监控检测系统的发展提供理论基础和技术支撑。

近年来，计算机科学与工程学院人工智能学院高度重视研究生创新能力培养，引导研究生积极参加科研项目提升创新能力，鼓励研究生参加学科竞赛提升动手能力，促进研究生积极深入到企业生产一线提升工程能力，全面提高研究生的培养质量。（审稿 张炜）