近日，国际电子电工学会汇刊-神经网络与学习系统（IEEE Transactions on Neural Networks and Learning Systems,TNNLS），在线发表武汉工程大学跨媒体智能计算科研团队论文：“Rethinking Prior-guided Face Super-resolution: A New Paradigm with Facial Component Prior”。论文第一署名单位为武汉工程大学智能机器人湖北省重点实验室、计算机科学与工程学院人工智能学院。

国际电子电工学会汇刊-神经网络与学习系统（TNNLS）是神经网络和学习系统领域的顶级期刊，该期刊最新影响因子为14.255，是中科院一区Top期刊。

（卢涛教授）

论文通讯作者张彦铎教授、第一作者卢涛教授长期从事人脸图像超分辨率的科研工作。人脸图像超分辨率是图像超分辨率中的特定领域，其目的是提高低分辨率面部图像的分辨率和质量，利用人脸超分辨率算法从低分辨率面部图像中恢复潜在的高分辨率面部图像有助于完成各种下游任务，比如人脸检测、验证和分析。由于人脸超分辨率本质是一个病态问题求解过程，因此极具挑战性，得到了全世界研究者们的广泛关注。

现有人脸超分辨率方法在图像重建过程中利用先验知识约束求解，或在重建过程后使用先验知识，忽略了低分辨率样本提供先验知识的作用。针对这一问题，跨媒体智能计算科研团队首次提出了一种前先验引导的人脸超分辨率重建范式，通过从原始的高分辨率人脸图像中提取精确的面部先验信息，并嵌入到低分辨率人脸图像中，然后使用嵌入后的低分辨率人脸图像重建出高质量的高分辨率人脸图像（如图1所示），创新性地解决了人脸超分辨率领域中不准确的面部先验信息会降低重建性能这个痛点问题。

图1论文方法的工作流程图

论文提出的组件混合方法可以应用于没有高分辨率/低分辨率人脸图像对的真实世界场景，能将将现有人脸超分辨率方法推广到实际应用场景。在多个数据集上的实验结果表明，论文方法性能优于目前的主流方法（如图2所示），同时该方法能够显著提升实际监控场景下的人脸识别性能。论文理论和技术成果可以广泛应用于智能监控系统，无人驾驶、机器人等领域。

图2 论文算法与前沿最优算法的视觉对比图，其中FSRCH为论文算法的重建结果，HR为原始高分辨率人脸图像

在国家自然科学基金面上项目（62072350、62171328）、湖北省技术创新专项重大项目（2019AAA045）的支持下，该科研团队在低质量人脸图像重建领域开展前沿研究，团队骨干王元植等同学发表了多篇计算机学会推荐A类会议论文，研发的视频分析系统已经广泛应用到了智慧城市、智慧化工园区和多源感知巡检机器人等领域，取得了良好的社会效益。

拓展阅读：

武汉工程大学计算机科学与工程学院源于成立于1997年的计算机科学与工程系，2003年更名为计算机科学与工程学院。为服务和落实国家在人工智能领域的重大战略需求，2019年武工大成立了人工智能学院。

学院在计算机和人工智能领域招收本科生、硕士研究生和博士研究生。开设有计算机科学与技术、软件工程、物联网工程、数字媒体技术、智能科学与技术、网络空间安全、人工智能等7个本科专业。其中，智能科学与技术专业和软件工程专业入选国家级一流本科专业建设点；计算机科学与技术专业入选省级一流本科专业建设点；软件工程专业获批教育部“卓越工程师教育培养计划”；智能科学与技术专业获批“湖北省普通高等学校战略新兴（支柱）产业人才培训计划”。

学院现有专任教师91人，其中教授10人、副教授36人。教师中有全国优秀教育工作者、国务院政府特殊津贴获得者等众多高层次人才。2019年，学院“新一代人工智能新工科教学团队”入选了湖北省省级优秀教学团队。

学院十分重视对学生创新能力的培养，组建了湖北省第一支机器人足球队，自2002年起，累计在国际比赛中获得冠军14项，在国内比赛获得冠军28项。学生在第44届ICPC国际大学生程序设计竞赛亚洲区域赛中荣获银奖和铜奖、在全国ITAT教育工程就业技能大赛获一等奖、在“挑战杯”“创青春”等大学生学科竞赛中获得省级以上奖励100余项。

学院毕业学生综合素质高、专业能力强，深受用人单位的好评，就业率稳定在96%以上。近三年学院平均考研率稳定在30%以上，众多毕业生进入国内外知名高校深造。

关注“武汉工程大学招办”，获取更多精彩资讯！

本文素材来源：武汉工程大学官网、武汉工程大学官微