12月26日，中国计算机学会发布了2023年“CCF博士学位论文激励计划”评选公告。上海交大计算机系2023届博士毕业生杨学的博士学位论文《复杂场景下高精度有向目标检测的研究》入选2023年“CCF博士学位论文激励计划“，指导教师为计算机系严骏驰教授。

2023年“CCF博士学位论文激励计划”

CCF博士学位论文激励计划为推动中国计算机领域的科技进步，鼓励创新性研究，激励计算机领域的博士研究生潜心钻研，务实创新，解决计算机领域中需要解决的理论和实际问题，表彰做出优秀成果的年轻学者而设立。

经评选，最终9篇论文入选2023年“CCF博士学位论文激励计划”、5篇论文获得2023年“CCF博士学位论文激励计划”提名。

论文简介：

有向目标检测是具有重大价值的研究方向，在场景文字、遥感影像解译、自动驾驶、人脸识别等领域都有广泛的应用。本人是较早研究该方向的学者，题为《复杂场景下高精度有向目标检测的研究》的学位论文从网络结构设计、目标位姿表征、高校标注训练和开源工具建设四个方面进行了深入研究，极大推动了该领域的技术发展。学位论文的主要贡献包括：

1. 网络结构设计（基准算法）：系统介绍了有向目标检测器的重要结构，并设计了一种从粗到细渐进式回归的级联检测器，实现速度与精度平衡的同时解决了特征不对齐问题，研究工作入选Paper Digest评选的最具影响力的AAAI21论文第1名；

2. 目标位姿表征（参数优化）：提出了有向目标检测中“边界问题”、“类正方形检测”、“旋转IoU损失近似”等重要问题，通过角度精细分类、高斯分布表征与度量等方式解决并给出理论分析。上述问题已成为领域内最热的研究课题之一，提出的相关方法也实现落地并被同行高被引。其中，博士论文中的高斯建模方法对上述问题进行了统一解，实现了高精度有向目标检测，并已在多个场景（自动驾驶公司安徽酷哇机器人环卫车垃圾/车辆检测项目、华为云卡证检测云计算产品）落地；

3. 高校标注训练（训练数据）：提出了首个基于水平框标注的弱监督有向目标检测框架，在性能、速度和存储上均接近强监督算法，并将标注成本下降了36.5%，具有较大的商业化前景，并已被快手等企业用于logo检测等项目；

4. 开源工具建设（集成工具）：从学术研究、工业部署和国产化三个角度出发，分别基于TensorFlow、PyTorch和Jittor搭建了三种各具特色的有向目标检测工具：MMRotate (1.6k star)、AlphaRotate (1k star)和JDet (180 star)，已成为工业界和学术界最受欢迎的开源框架之一。

个人简介：

杨学，上海交通大学计算机系2023届博士，吴文俊人工智能博士班成员，现任上海人工智能实验室青年研究员，研究方向是基础视觉研究。杨学在博士期间共发表CCF-A/T1、清华-A类论文20篇，其中以第一作者共发表论文14篇，包括TPAMI、NeurIPS、ICLR各两篇以及IJCV、CVPR、ICCV、 ECCV、ICML、AAAI、ACM MM和《中国科学：信息科学》各一篇。曾获CCF-CV新锐学者奖（全国3人）、两次国家奖学金、上海市优秀毕业生、上海交通大学“学术之星”提名奖（全校20人）、PaperDigest-AAAI21最具影响力论文榜首、入选2022和2023年度由斯坦福大学评选的全球前2%顶尖科学家榜单。截至目前谷歌学术引用约4600次，h指数和i10指数分别为23和30，其中12篇文章引用过百，1篇ESI热点论文，5篇ESI高被引论文，GitHub获赞超8000次。

导师介绍：

严骏驰，上海交通大学计算机系教授，计算机系第二党支部书记，国家级高层次人才，CCF优博/杰出会员、IET Fellow。科技部2030新一代人工智能重大项目负责人、基金委重大研究计划重点项目负责人。教育部资源建设深度学习首席专家。曾任IBM中国研究院首席研究员。主要研究方向为机器学习及应用。发表CCF-A类第一/通讯作者论文过150篇，引用超15000次。任ICML、NeurIPS、ICLR、CVPR、AAAI等顶级会议（高级）领域主席、Pattern Recognition、ACM TOPML等期刊（创刊）高级编委。获PaperDigest统计AAAI21、IJCAI23最具影响力论文榜首。多次指导学生获交大学术之星、CCF司南杯一等奖、CCF-CV新锐奖、挑战杯特等奖、IWLS2023 EDA逻辑综合总榜冠军等荣誉及基金委本科生青年基金项目。