近日，我院张鹿鸣教授以上海建桥学院为第一单位，在人工智能领域国际顶级期刊 IEEE Transactions on Neural Networks and Learning Systems（TNNLS，中科院 & JCR双一区 Top期刊）上发表了一篇具有重要理论突破与应用价值的研究论文。TNNLS是IEEE计算智能学会（IEEE CIS）的旗舰期刊，也是人工智能、神经网络、机器学习领域公认的国际顶级期刊之一。该研究创新性地提出了一种新型深度哈希框架，解决了无人机图像中多尺度、低质量、受污染数据下的快速目标检测难题，为海洋鱼群监测、环境调查、应急救灾等领域提供了新思路。
他的论文聚焦于无人机图像目标检测领域的核心挑战——如何在复杂多变的拍摄视角、海拔高度与低画质条件下，实现快速且精准的多尺度目标识别。这一难题在海洋鱼群监测中尤为突出：受海面反光、光照变化、鱼群尺度差异、航拍抖动等因素影响，图像常伴随低质量与特征干扰，传统检测方法难以兼顾速度与精度；同时，该技术在应急救灾场景中也对快速识别能力有着严苛要求，具有重大的实践意义与广泛的应用前景。
研究团队基于无人机视觉分析背景，创新性地构建了一套拓扑感知的深度哈希检测框架。为了精准刻画目标的多尺度特征，研究中提出通过提取图像中视觉与语义上显著的目标局部区域，构建 “图元（graphlet）” 来表征目标的拓扑结构；随后，通过二进制矩阵分解（MF）技术，在实现深度二进制哈希码学习的同时，完成对低质量图像与受污染标签的去噪处理，并支持自适应数据图更新。为了进一步提升哈希码的判别能力，研究还引入了流形正则化特征选择器，最终通过基于排序的方式完成目标发现。
实验结果表明，该方法在 DAC-SDC、MOHR及自编译的航拍数据集上，均展现出极具竞争力的检测速度与准确率，验证了框架的有效性与优越性。该研究成果不仅为海洋鱼群的大范围、低成本无人机监测提供了高效解决方案，也为深度哈希技术在复杂海洋视觉任务中的应用开辟了新路径，同时为应急救灾场景下的快速目标识别提供了重要技术参考。
作为上海建桥学院信息技术学院计算机科学与技术系专任教师的张鹿鸣教授，聚焦无人机视觉智能、海洋目标识别、深度哈希算法优化等方向，公开发表高水平期刊论文十余篇，另有代表性研究成果发表在IEEE Transactions on Neural Networks and Learning Systems (TNNLS)、IEEE Transactions on Cybernetics、Pattern Recognition等人工智能与计算机视觉领域国际顶级期刊上。
此项成果发表，是我校信息技术学院在人工智能与计算机视觉领域的重要科研突破，显著提升了学校相关学科的学术影响力与核心竞争力。未来，学院将持续深耕前沿研究，推动高水平成果产出与产学研转化，助力区域科技创新与行业发展。
