CVPR 2020 Anti-UAV Workshop徵稿啦,「反無人機」挑戰賽等你來戰

計算機視覺領域的「奧運會」、CCF A類國際會議CVPR 2020 (IEEE Conference on Computer Vision and Pattern Recognition）將於2020年06月16-20日在美國西雅圖舉辦。近日，CVPR官方網站公布了Proposal的最終收錄結果，各式各樣的Workshop和挑戰賽已相繼啟動報名。

其中，「全華班」AI學者組織的The 1st Anti-UAV Workshop & Challenge (https://anti-uav.github.io/)尤為亮眼，該Workshop由北方電子設備研究所助理研究員趙健博士、澎思科技首席科學家申省梅、中國科學院自動化研究所王強博士、研究員興軍亮博士、副研究員朱貴波博士、天津大學在讀碩士胡凱、西安交通大學特聘研究員洪曉鵬博士、小鵬汽車首席科學家郭彥東博士、中國科學技術大學教授張天柱博士、新加坡國立大學副教授馮佳時博士、百度深度學習實驗室主任郭國棟博士等諸多學者共同發起，由澎思科技、金山雲、Drones期刊贊助，除接收相關論文，還將組織極具吸引力的第一屆「反無人機」挑戰賽，主要針對基於多模態視頻流數據的複雜環境下無人機目標的檢測、跟蹤、識別等視覺感知與處理任務。

近年來，商用小型無人機飛速發展，其相比於載人機而言，具有體積小、成本低、機動性強等優勢，可完成一些載人機無法完成的任務，已被廣泛應用於航拍、監控、遙測、勘探、救援、物流等諸多領域。然而，也有不法分子利用無人機對敏感區域進行偵查/監視或攜帶危險物品/武器對重要人物進行毀傷。2019年09月14日，沙烏地阿拉伯國家石油公司（阿美石油公司）兩處石油設施遭無人機襲擊，給沙特帶來了巨大的經濟損失，並導致國際油價在短期內飆升。如果能夠在受到襲擊傷害之前對入侵無人機進行精準探測，就能夠採取有效反制措施最大化降低損失。近來國內外多次發生無人機非法入侵事件，不僅對公民的個人隱私與生命財產安全造成了嚴重危害，而且對機場、軍事基地、大型集會現場、核電站、政府機部門駐地等敏感區域的安防造成了極大威脅。因此，開展複雜環境下低慢小（無人機）目標智能感知的研究，從而對無人機進行有效的探測和監管，具有重要意義。

CVPR 2020 Anti-UAV Workshop & Challenge的舉辦初衷在於鼓勵來自多模態小物體檢測、跟蹤、識別領域及其他相關領域的專家、學者、老師、同學們展示他們的科研成果，共同探討、交流、構思新想法、新方案，並由此推動和促進實際應用場景下的有關技術與系統的性能和實用價值。

CVPR 2020 Anti-UAV Workshop & Challenge日程為期 0.5 天（2020 年 06 月 19 日下午），紐約州立大學石溪分校教授凌海濱博士、加州大學默塞德分校教授楊明玄博士將受邀做主題報告。預期最終接收 20篇海報文章，1篇口頭報告文章（來自最佳論文團隊）。接下來將帶來詳細信息：

Part 1 徵稿信息

重要日期

截稿：2020年03月24日

審稿通知：2020年04月08日

終稿提交：2020年04月16日

會議：2020年06月19日

投稿網址

https://cmt3.research.microsoft.com/AntiUAV2020.

徵稿範圍

本次徵稿範圍包含但不限於以下視覺感知與處理任務的相關方向：

計算機視覺在無人機領域的應用

基於近紅外（NIR）和/或可見光（VIS）數據的無人機搜索策略

無人機檢測頻譜傳感技術

無人機定位與開集識別

面向無人機的場景理解

小/微型物體檢測與追蹤技術

細粒度物體識別

實時深度學習推理

紅外圖像和視頻分析

多模態融合技術

Part 2 競賽信息

重要日期

結果提交：2020年04月15日

會議：2020年06月19日

CVPR 2020 Anti-UAV Challenge要求參賽算法模型準確、穩定、實時追蹤多模態視頻流中給定的無人機目標，同時估計目標的追蹤狀態；當目標消失時，需給出其不可見標記。

主辦方提供160段高質量的全高清雙模態（可見光RGB+近紅外NIR）視頻序列（100段視頻用於驗證集測試，60段視頻用於測試集測試），涵蓋多種場景下多種尺度無人機的數據（3種尺寸，即，大、中、小；4種型號：即，DJI-Inspire、DJI-Phantom4、DJI-MarvicAir、DJI-MarvicPRO）。可見光與近紅外視頻數據通過可由計算機遠程控制的帶有自動轉臺的固定於地面的特製攝像設備進行採集。所有數據均通過專業的數據標註員進行標註，帶有如下密集標註信息：bounding box、屬性（大、中、小、白天、夜晚、雲霧、樓宇、虛假目標、速度驟變、懸停、遮擋、尺度變化）以及表示當前幀是否存在目標的標誌位。

相關數據集已開放下載並開始接受參賽隊伍註冊及結果提交。更多詳細信息請參閱

https://anti-uav.github.io/dataset，

https://anti-uav.github.io/submission/和https://github.com/ZhaoJ9014/Anti-UAV。

Part 3 Workshop詳情

議程安排

日期 2020年06月19日下午

13:30-14:00 開幕致辭與歡迎儀式

14:00-14:30 競賽介紹與結果公布

14:30-14:40 口頭報告1：反無人機挑戰賽冠軍（1,200 USD獎金+證書+獎品）

14:40-15:10 受邀報告1：凌海濱，教授，紐約州立大學石溪分校

15:10-15:40 海報展示與茶歇

15:40-15:50 口頭報告2：反無人機挑戰賽亞軍（800 USD獎金+證書+獎品）

15:50-16:20 受邀報告2：楊明玄，教授，加州大學默塞德分校

16:20-16:30 口頭報告3：反無人機挑戰賽季軍（500 USD獎金+證書+獎品）

16:30-16:40 口頭報告4：最佳論文（500 USD獎金+證書+獎品）

16:40-17:10 頒獎典禮與總結展望

主辦成員

趙健，助理研究員，北方電子設備研究所

申省梅，首席科學家、新加坡研究院院長，澎思科技

王強，博士（在讀），中國科學院

興軍亮，教授，中國科學院

胡凱，碩士（在讀），天津大學

朱貴波，副教授，中國科學院

洪曉鵬，特聘研究員，西安交通大學

郭彥東，首席科學家，小鵬汽車

張天柱，教授，中國科學技術大學

馮佳時，助理教授，新加坡國立大學

郭國棟，主任，百度深度學習實驗室

附：

關於北方電子設備研究所趙健博士

趙健，個人主頁https://zhaoj9014.github.io/，2019年04月30日獲得新加坡國立大學博士學位，導師為馮佳時、顏水成，現為北方電子設備研究所助理研究員，CSIG-BVD委員，IEEE、CCF、CSIG、BSIG會員。研究領域涉及人工智慧、深度學習、模式識別、計算機視覺與多媒體分析。目前共參與重點項目2項（排名分別為第3、第5）。迄今已發表高水平學術論文30餘篇，單篇影響因子最高17.73，包括以下頂級國際期刊/會議：T-PAMI、IJCV、T-IP、NeurIPS、CVPR、IJCAI、ECCV、ACM MM、AAAI、BMVC、WACV。曾作為第一作者獲得新加坡模式識別與機器智能協會PREMIA 2019 Lee Hwee Kuan 獎（金獎）；國際多媒體領域頂級會議ACM MM 2018最佳學生論文獎；ICCV 2017 MS-Celeb-1M大規模人臉識別競賽Hard Set、Random Set與Low-Shot Learning全部任務冠軍；CVPR 2017 L.I.P競賽人物解析與人物姿態估計全部任務亞軍；NIST 2017 IJB-A無約束人臉識別競賽人臉驗證與人臉鑑別全部任務冠軍。曾擔任IJCV、T-MM、T-IFS、T-CSVT、Neurocomputing、CSSP、JVCI、NeurIPS（NeurIPS 2018前30%最佳審稿人）、CVPR、ICCV、ECCV、ACM MM、AAAI、ICLR、ICML、UAI等本領域主流期刊/會議的受邀審稿人。曾組織CVPR 2018 L.I.P Workshop & MHP Challenge (https://lv-mhp.github.io/)。

關於澎思科技首席科學家、新加坡研究院院長申省梅

申省梅，澎思科技首席科學家、新加坡研究院院長。申省梅是人工智慧和深度學習領域的帶頭人，前新加坡（松下）研究院副院長，領導超過40人的算法研究團隊，累計專利300餘項。上世紀80年代起就從事人工智慧在無人駕駛汽車和醫學心電圖輔助診斷等領域的相關研究。1992年加入新加坡松下研究院，從事音視頻信號處理和壓縮算法設計和應用，隨後專注於圖像識別領域的研究工作。2013年就率先帶領團隊轉向深度學習方向，在深度學習、計算機視覺領域取得了矚目的成績，擁有計算機視覺的全棧技術能力，技術面橫跨多個應用領域，在基於深度學習的人臉檢測和識別、行人檢測和跟蹤、行人再識別、車輛識別、自動駕駛、駕駛員行為檢測、移動操作機器人等領域均取得了世界頂級成果。

2019年3月，申省梅加入國內AI公司澎思科技，任首席科學家、新加坡研究院院長，致力於監控與安全、智慧城市、自動駕駛、智慧機器人以及AI工廠自動化等領域的相關技術研究。在2019年，申省梅帶領澎思新加坡研究院已經斬獲13項計算機視覺技術相關世界冠軍，遍布人臉識別（Face Recognition）、行人再識別（Person ReID）、車輛再識別（Vehicle ReID）和異常行為檢測（Anomaly Detection）等計算機視覺技術多個領域。