公司唐厂副教授论文被视觉和模式识别领域顶级会议CVPR 2019正式接收

计科系唐厂副教授题为《DeFusionNET: Defocus Blur Detection via Recurrently Fusing and Refining Multi-scale Deep Features》的研究论文被2019年计算机视觉和模式识别领域顶级会议《IEEE Conference on Computer Vision and Pattern Recognition》（简称CVPR 2019，CCF A类会议)正式接收。公司唐厂副教授为论文第一作者，王力哲教授为合作作者。太阳成集团的官方网站为第一完成单位。

该论文主要目的在于如何利用目前主流的深度学习方法将图像中由于散焦导致的模糊区域检测出来，为后续图像去模糊、基于内容的图像再虚化等编辑提供前期保障。考虑到基于传统手工特征的方法往往错误地将图像中聚焦的非纹理区域检测为模糊区域，本文利用深度学习能够很好地提取图像中物体的高阶语义信息这一优点，很好地解决了这一歧义问题。同时，考虑到人类对图像模糊感知的多尺度因素，本文将深度网络中多层次的特征进行有效地融合，从而提升最终的检测精确度。由于深度网络的浅层特征和深层特征分别关注图像的细节信息和语义信息，我们还将不同层次的特征进行互补融合和递归优化。实验结果表明，我们的方法能达到目前最好的水平。此外，我们还强调所提出的网络结构可以很好地移植到相关的视觉检测任务上去。