2021年初，人工智能学院缑水平教授及其三年级博士生王新林同学的一项研究成果被国际知名期刊IEEE Transactions on Circuits and Systems for Video Technology（TCSVT）录用。TCSVT在2020年12月最新中科院期刊分区中属于top期刊。

       录用的论文题目为《Self-paced feature attention fusion network for concealed object detection in millimeter-wave image》，是毫米波雷达人体图像中隐匿物目标检测方面的研究工作。毫米波扫描仪能穿透衣物并探测衣物下的各种物体，且对人体无害，近年来被广泛应用于公共场所的人身安全检查。然而，由于固有的成像噪声、不确定的目标类型和携带位置，对隐藏目标的自动准确检测具有挑战性。近年来，已有的许多方法，特别是基于深度学习的方法，在隐藏目标检测方面取得了良好的效果。这些方法对一些大目标的检测效果较好，但对弱小目标和难检测的遮挡目标的检测效果较差。为了解决这一问题，本工作提出了一种基于自步特征注意融合网络的隐藏目标检测模型。首先，采用自顶向下的方式融合不同尺度的特征，将细节和全局语义结合起来，更好地检测小目标；其次，在多尺度特征融合过程中，提出了一种由通道注意和空间注意组成的分层金字塔注意机制来更好地感知物体；最后，该模型还利用自步学习来指导模型学习难以检测的困难样本。在两个真实的毫米波人体图像数据集上的实验结果验证了该方法的有效性。下图是本文算法的整体框架。