近日，我校计算机视觉团队科研成果“Object Counting via Group and Graph Attention Network”在人工智能领域国际顶级期刊IEEE Transactions on Neural Networks and Learning Systems（中科院一区期刊，影响因子10.4）上发表。
2021级检测技术与自动化装置硕士研究生国翔宇为论文第一作者，高明亮博士为论文通讯作者。山东理工大学为论文的第一完成单位和通讯单位，该研究工作是在基金项目支持（项目编号：ZR2021QD041）下产出的代表性成果。
该研究提出了一种组图注意力网络（GGANet）来解决密集目标计数任务中的由背景干扰导致的计数错误估计问题。该网络采用了“注意力机制+图神经网络”的研究方法。首先，通过GCA模块将特征分组为不同的子特征，自适应增强特征表示并消除噪声；并结合GNN设计了LGA模块，引入可学习的邻接矩阵来增强通道间的响应，并且能够避免不相关的冗余。
在不同的计数数据集上进行了对比实验，其中包括4个人群计数数据集、2个车辆计数数据集、1个遥感计数数据集和1个少样本计数数据集。对比结果表明，GGANet在各种场景下都具有较好的计数性能。
该研究将卷积神经网络、图神经网络等方法应用于目标计数研究之中，具有鲜明的跨学科研究特性，是我院师生在人工智能推动智慧城市建设方面的一次成功探索。
原文链接
https://ieeexplore.ieee.org/document/10342885
论文题录信息
Guo, X., Gao, M., Zou, G., Bruno, A., Chehri, A., & Jeon, G. (2023). Object Counting via Group and Graph Attention Network. IEEE Transactions on Neural Networks and Learning Systems. doi: 10.1109/TNNLS.2023.3336894
作者简介
高明亮：IEEE高级会员，副教授，硕士生导师，山东理工大学电气与电子工程学院副院长，发表学术期刊论文180余篇，兼任IEEE TIP、IEEE TCSVT、 IEEE TIM、Information Fusion等40余个SCI期刊审稿人，研究方向为计算机视觉和深度学习。
国翔宇：山东理工大学电气与电子工程学院2021级检测技术与自动化装置硕士研究生。主要研究方向为深度学习，计算机视觉，人群计数；在校期间以第一作者发表SCI论文9篇，其中SCI一区TOP期刊2篇，SCI二区期刊3篇，SCI四区期刊4篇，曾获2023年国家奖学金与优秀学生，2022年一等奖学金与优秀学生等。
