近日，我校信息工程学院副教授徐敏课题组在工业图像异常检测和人脸及亲缘关系验证领域取得了重要研究进展，相关研究成果分别发表在IEEE计算机视觉和模式识别会议（IEEE/CVF Conference on Computer Vision and Pattern Recognition 简称CVPR）2024和信息安全领域国际顶级期刊《IEEE信息取证与安全会刊》（IEEE Transactions on Information Forensics and Security 简称IEEE TIFS）。这两项研究均由我校信息工程学院与北京邮电大学联合完成，我校为论文第一署名单位，研究得到了国家自然科学基金面上项目的资助。

首先是在IEEE计算机视觉和模式识别会议(CVPR )2024上发表的研究成果。

IEEE计算机视觉和模式识别会议（CVPR）是计算机视觉领域的国际顶级会议，中国计算机学会（CCF）推荐的A类会议。根据谷歌学术公布的最新学术期刊和会议影响力排名，该会议在所有学术刊物中排名第4，仅次于《自然》（Nature）、《新英格兰医学杂志》（The New England Journal of Medicine）和《科学》（Science）。

6月17日-21日，第37届IEEE计算机视觉和模式识别会议（CVPR）在美国西雅图举行。信息工程学院投稿论文《具有逼真合成异常的异常检测网络RealNet》（RealNet: A Feature Selection Network with Realistic Synthetic Anomaly for Anomaly Detection）被会议接收，徐敏为论文通讯作者。论文的第一作者2021级研究生张曦淼代表团队参加会议，现场展示了研究工作，并与参会学者进行了深入交流。

该论文提出了一个用于工业图像异常检测的特征重构网络-逼真的异常合成网络(RealNet)。逼真的异常合成网络(RealNet)包含三个技术创新点：基于扩散过程的强度可控异常合成，可生成不同异常强度的样本；异常感知特征选择，选择具有代表性和区分性的预训练特征子集；残差选择，自适应选择具有区分性的残差，用于识别多个粒度的异常区域。逼真的异常合成网络(RealNet)在四个工业异常检测基准数据集上进行了充分的实验验证，其检测性能达到国际最先进水平。

其次是在《IEEE信息取证与安全会刊》（IEEE TIFS）上发表的研究成果。

徐敏作为第一作者在国际顶级期刊《IEEE信息取证与安全会刊》（IEEE TIFS）上发表了题为《置信校准的人脸和亲缘关系验证》（Confidence-Calibrated Face and Kinship Verification）的学术论文（2024年第19卷，第372-384页）。《IEEE信息取证与安全会刊》（IEEE TIFS）是中国计算机学会（CCF）推荐的A类期刊，中科院一区TOP期刊，影响因子为7.178。

该论文研究了人脸验证任务中的置信度估计及其校准方法，提出了“角度缩放校准”（Angular Scaling Calibration, ASC）。论文提出方法不仅易于实施，还可以在无需重新训练模型的前提下直接应用于现有验证模型，实现精度保留的置信度校准。此外，研究中引入了不确定性建模，在噪声环境下提升了验证模型的可靠性与可信度估计，对推动人脸验证模型的决策风险评估具有重要参考意义。

图中为置信校准的人脸和亲缘关系验证流程。

信息工程学院团队在国际顶级会议和国际顶级期刊上先后发表研究成果，充分展现了学院在人工智能领域的重要研究进展以及人才培养方面的显著成效，有效推动了学科建设与科研创新的深度融合，进一步提升了我校在人工智能领域的科研水平和学术影响力。

论文链接:https://openaccess.thecvf.com/content/CVPR2024/papers/RealNet.pdf

论文链接:https://dl.acm.org/doi/abs/10.1109/TIFS.2023.3318957

代码链接:https://github.com/cnulab/RealNet

代码链接:https://github.com/cnulab/ASC