近日，机器人与具身智能学院硕士研究生刘泽远以第一作者身份完成的两项人工智能目标检测方向研究成果，被中科院人工智能领域两个TOP期刊录用并发表。论文《TCKD: Task-Oriented Contrastive Knowledge Distillation for Object Detection》已正式发表在人工智能中科院TOP期刊《IEEE Transactions on Multimedia》；论文《Semantic-Spatial Synergy Feature Pyramid Network for Dense Tiny Object Detection from UAV Images》已被人工智能中科院TOP期刊《Neural Networks》以 Journal Pre-proof 形式在线发布。两篇论文的唯一署名单位均为长安大学，导师和通信作者为黄鹤教授。
论文《TCKD: Task-Oriented Contrastive Knowledge Distillation for Object Detection》针对现有预测蒸馏方法与目标检测优化目标不一致、关键知识传递效率受限的问题，提出面向任务的对比知识蒸馏方法TCKD，可适配GFL、ATSS、RetinaNet、FCOS和DETR等多类检测器，在降低模型参数量和计算负担的同时稳定提升检测精度，并在小目标检测场景中表现出较好的鲁棒性与泛化能力。
图1 TCKD在小目标数据集上的检测效果对比（图片来源：论文原文）
论文《Semantic-Spatial Synergy Feature Pyramid Network for Dense Tiny Object Detection from UAV Images》针对无人机图像中目标尺度小、分布密集，以及传统特征金字塔网络容易削弱关键空间细节等问题，提出语义—空间协同特征金字塔网络S³-FPN，该方法及其轻量化版本兼顾检测精度和推理效率，在密集微小目标检测中取得了具有竞争力的性能。
近年来，机器人与具身智能学院坚持面向国家战略需求和学科前沿，将学术引导、科研训练与创新实践三位一体贯穿研究生培养全过程，持续提升研究生解决复杂工程问题和开展创新研究的能力，为拔尖创新人才培养和高水平科研成果产出提供有力支撑。
（审稿：高婷婷 网络编辑：和燕）
