2022年10月30日，计算机科学与技术学院青年科技协会举办了第十二期活动，本次邀请到中国科学院大学叶齐祥教授，以“基于自动特征匹配的视觉目标检测”为题开展学术报告。计算机学院王巍副院长出席本次报告会并致欢迎辞，学院青年科协成员张立国老师主持了本次会议。来自002cc白菜资讯网计算机学院、智能学院、信通学院，以及中国科学院、北京工业大学、中国矿业大学等校内外单位的70多名师生参加了本次活动。
叶齐祥，中国科学院大学长聘教授，卢嘉锡青年人才奖获得者，中国科学院优秀博士生导师，主要进行视觉特征表示学习与目标感知技术研究，在IEEE CVPR, ICCV, NeurIPS, AAAI、ECCV等顶级会议与T-PAMI, TNNLS, TIP, T-ITS, PR等期刊发表论文100余篇，H-Index为48，Google引用8000次，多篇论文为ESI高被引论文。叶老师多次承担国家自然基金面上、重点项目，开发的高精度目标感知方法支撑了华为、航天科工/科技等单位的应用系统，曾获ICCV2017、 CVPR2019、高分辨率对地观测重大专项遥感目标解译竞赛冠军、中国电子学会自然科学一等奖（第一完成人），培养多名博士生并获中科院院长奖、百篇优秀博士论文、博士后创新人才计划支持等，担任CVPR2023 领域主席、国际期刊IEEE T-ITS，IEEE T-CSVT编委。
叶齐祥教授从问题的起源、解决思路与方法，以及取得的效果等角度全面、细致地介绍了Learning-to-Match方法实现目标与锚点/特征的自由匹配所开展的研究工作。
在视觉目标检测领域，基于传统CNN的目标检测器在训练过程中往往依赖IoU来评估检测效果。而“大的IoU并不意味着好的特征”。叶老师提出的Learning-to-Match方法通过极大似然估计进行建模，设计一个即插即用的锚点/特征匹配损失函数，进而优化损失函数驱动目标发现最佳的特征匹配。Learning-to-Match适用于带锚框(anchor-based)或者无锚框(anchor—free)目标检测器，并在其基础上发展起来的一系列目标检测器（FreeAnchor-NeurIPS2019-TPAMI2021、ATSS-CVPR2020、MAL-CVPR2020、AutoAssign、PAA-ECCV2020、OTA2-CVPR2021）将COCO上的目标检测性能提升了5%，而不增加任何推理代价。近期的研究中，又把特征匹配提升到预训练模型匹配，保持了公共测试集合上目标检测性能的领先及小样本目标检测的优越性能。相关工作得到了学术界的广泛认可，并在此基础上衍生出很多扩展性的工作。
最后，叶教授就图像局部反光、遮挡、模型收敛速度优化可能方向等问题与参会师生进行了热烈讨论和交流。