研究员论文

近日，中国科协公布了第五届中国科协优秀科技论文入选名单，工力所孙柏涛研究员和张桂欣副研究员发表的《中国大陆建筑物地震灾害风险分布研究》成功入选。第五届中国科协优秀科技论文共入选96篇，其中“建筑科学”类仅4篇。《中国大陆建筑物地震灾害风险分布研究》自2017年发表以来仅中国知网的下载量近700余次、被引用15次。该文在对我国各地区建筑物抗震能力开展大量抽样调查的基础上，研究经济土地利用设防情况人口密度和行政区划属性等因素与区域建筑物抗震能力的相关性，建立中国大陆区域建筑物抗震能力综合分区分类方法；利用实际地震震害资料震害预测资料及建筑物群体震害预测方法，建立不同地区各种结构类型的建筑物地震易损性矩阵；结合不同区域内所具有的各类建筑物存量，基于GIS软件平台，计算并绘制在基本设防烈度地震作用下中国大陆地震灾害风险损失分布图。提出一套评估区域建筑物地震灾害风险损失较为完整的思路和方法，可为生命线地震灾害风险损失和人员伤亡分布等研究提供借鉴。回顾历届中国科协优秀科技论文，工力所成绩斐然。任叶飞研究员、温瑞智研究员、周宝峰副研究员和黄旭涛发表的《2013年4月20日四川芦山地震强地面运动三要素特征分析》曾荣获第一届中国科协优秀科技论文，谢礼立院士和曲哲研究员合作发表的《论土木工程灾害及其防御》曾荣获第四届中国科协优秀科技论文。（责任编辑：雷蕾）【来源：中国地震局网站】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

她本可以容貌倾国倾城，却用实力赢得众人掌声。与许多人眼中的美女不同，她是十足的学霸，5岁上小学，10岁上初中，16岁就参加高考，27岁便成为了浙江大学最为年轻的独立研究员、博导，其研究方向与医学有关，她挚爱科研，甚至将科研视为了自己的“男朋友”，对于科研极为着迷，而究其原因，或许很多人意想不到。而这位美女学霸就是浙江大学最为年轻的研究员刘琬璐。说起她科研的方向，还要从2008年说起。那年，刘琬璐16岁，正准备高考，就在那一年发生了汶川地震，身在四川的她经历了灾难的来临，目睹鲜活生命在那一瞬间离开人世，而那种悲痛足可以让她铭记一生。而且在高三那年，她的母亲患上了一种罕见病，花了1年的时间才确诊，可是却没有很好的治疗方法，只能采用保守治疗。“这是时代给我们那代人的印记，当年很多同学都选择了学医或是学建筑。”家庭的变故与自然灾害的叠加，让她立下了宏志，在志愿上毫不犹豫地选择了医学专业。她国外留学，学成立刻回国。或许，这就是时代与命运赋予她的使命。当肩负使命，这样的人生又岂会平凡？或许，这就能够解释，美女学霸为什么在科研上如此拼命，因为她要用自己所学，兑现曾经立下的宏志。在美国加州大学洛杉矶分校学习期间，刘琬璐在Cell（《细胞》）、Science（《科学》）、Nature Cell Biology（《自然细胞生物学》）、Cell Stem Cell（《细胞&干细胞》）、PANS（《美国国家科学院院刊》）等高水平期刊发表论文共20余篇。而因为在科研上的努力，她的科研成果也是硕果累累：1、深度解析非编码RNA的转录共剪切对DNA甲基化建立的表观遗传学新机制；2、首次建立和优化植物中的DNA甲基化基因编辑技术；3、阐明TFAP2C在人胚胎干细胞以及人原始生殖细胞发育过程中的作用及其机制。“刘琬璐是国内非常紧缺的交叉型科研人才，学术成果非常丰富。” 浙江大学爱丁堡大学联合学院院长欧阳宏伟对刘琬璐赞赏有加。据悉，成为PI一般至少要有3-5年的博士后经历，而刘琬璐却做博士后研究仅1年，就被引进成为PI、担任博导，可见其科研能力和水平绝不一般，她经常同时进行多个课题研究。“在未来，或许我们能更加安全、有效的在临床上将干细胞用于器官的再生以及疾病的治疗。”在不久的将来，刘琬璐希望能够带领团队深入了解细胞命运是如何通过表观遗传调控，并想要开发能精准编辑细胞表观遗传的工具。她未来的研究方向是：1、细胞命运决定过程中的表观遗传学调控机制；2、逆转座子的表观遗传学沉默机制；3、表观基因组学算法开发。刘琬璐就是这么一位美女学霸，她执着于科研，为高中时代曾经立下的宏志而努力奋斗，祝福这个善良而执着的美女学霸，愿她心想事成，登上更高的科研高峰。

最近中信证券和华泰证券相继发布研报，分别看空中国人保和中信建投，引发众多评议和猜测，其中一个设想是，看空报告能否常态化？笔者与一位曾经长期登榜新财富的分析师聊到了这个问题，他没有直接给出答案，但给出了一套分析逻辑。这套逻辑不一定公允，聊作参考。分析师为什么要撰写研究报告？为了职业需要。经历过完整教育周期（小学至大学）的人都知道，擅长教学的教师不一定是学历最高、最善于写论文和搞科研项目的人，人们之所以觉得好教师应该在任何方面都表现出色，那是受“通才思维”误导。基于该思维模式，优秀的分析师就应该写出公允客观的研究报告。实际上，分析师撰写研究报告一是为了作为存档材料方便查询及后期职位晋升；二是为了迎合买方需要——大多数买方觉得分析师穿着西装、背着电脑包、留着平头、演示着PPT、操着行业腔（语速要快，术语要多）的才显得专业；三是为了维系必要的存在感，方便和上市公司及市场各方拉近关系。这位分析师问，有哪个买方会听分析师一顿路演后马上买入？路演说小事，话越少，价值越大。由于A股市场历来牛短熊长，客观上导致绝大部分研报无法兑现预期，既然如此，分析师们完全可以大幅缩减研报数量，之所以仍在兢兢业业写报告，真的是职业需要。分析师为什么喜欢发布看多的研究报告？阻力最小原则。分析师要从众多覆盖公司中遴选最具预期的标的，不是一件容易的事，这是第一重阻力，发布事件驱动型的看研究报告会大幅度降低遴选难度；其次，分析师对标的所涉及各种信息的掌握程度不一定优于其他人，在专业判断方面构成了一定的阻力；再次，分析师要适当照顾标的所涉及各方的情绪，这是人情阻力，与其得罪大多数人，还不如选择性沉默，或者锦上添花；最后，告诉市场买什么远比告诉市场卖什么更直截了当，这与A股缺少做空机制关联度不太大，境外市场的研究报告也多是告诉别人买什么。所以，无论从技术操作层面还是信息流转层面，分析师发布看多的研究报告都是最佳选择，根据某一事件发布报告作出判断，这与职业操守无关，只要不是受利益裹挟的盲目看多即可。这位分析师援引了一个广为流传的案例。一次策略会上，分析师A将上市公司X抽丝剥茧，深刻而全面地分析了X的所有亮点和风险点，最终得出结论，X不值得投资，分析师A的发言赢得了在场人士的一致好评，买方纷纷上前互换名片添加微信。会议结束时，分析师A发现一众买方拥簇着分析师B走了。为什么研究报告给人感觉如同投掷硬币？认知误差所致。认知误差体现在，好公司是稀缺的、透明的、长周期的，而好股票往往不那么稀缺，基本面也不一定透明且周期较短。“你不可能对一个持股周期以天计、充其量以月计的投资者讲述上市公司长达数年的发展逻辑。”与笔者聊天的那位分析师说，研究报告的撰写初衷是为了寻找好股票，但呈现形式是为了寻找好公司。他说，茅台是好公司，预期一致，极度透明，不会因为单一的研究报告而出现趋势逆转，因此才出现了目标价随着股价的上涨而节节攀升——趋势已确立，接下来要做的就是顺应趋势并适当放大预期。但众所周知，类似茅台这样的公司毕竟是少数，这是不可更改的事实，未来同样如此，这就是好公司的逻辑。好股票的逻辑则是，在某一阶段能录得不错的涨幅即可，再通过股价的表现反推至上市公司的实际经营。于是市场经常出现一种现象，牛市阶段，所有的行业都欣欣向荣，未来都有万亿空间。极端情况下，基本面糟糕的公司也可以成为好股票，戏言“分析师比企业董监高更了解公司”，其实在大涨阶段，任何投资者都比上市公司更了解自己。这位分析师最后说，极少人愿意主动发布看空研究报告，费力，且不讨好。

介绍人工智能是当前一个有趣的行业，机器学习从业者现在是“酷孩子”。但是，即使在“酷孩子”中，机器学习从业者群体之间也有明显的区别，更具体地说，是研究解决方案的人和设计解决方案的人之间的区别。 话虽这么说，但这种区别并不那么清晰。本文旨在揭示机器学习研究员和ML工程师角色之间的一些关键区别。 突出两个角色之间的差异可以使您获得做出更好的学术和职业选择所需的信息。在继续进行之前，需要注意的是，我使用术语机器学习工程师和研究员作为以下角色的总称：计算机视觉工程师/研究员自然语言处理工程师/研究员数据科学家关键差异1.工作角色描述机器学习工程师角色的主要工作为在已实现的软件/硬件解决方案中实现机器学习算法和模型。机器学习研究员角色的主要工作与机器学习中特定学科领域的发展有关。2.学术背景ML研究员通常有博士学位。他们往往是具有较强学术和研究背景的人。 他们还拥有与计算机科学相关主题的高级学位。 大多数ML工程师拥有硕士学位，只有少数ML工程师拥有博士学位。为了了解ML工程师和研究员的学术背景，我使用了LinkedIn（https://www.linkedin.com/） 。 浏览了许多职位名称中有“机器学习研究员”，“机器学习科学家”或“机器学习工程师”的个人资料。3.交付物/最终产品ML工程师的可交付成果通常是带有机器学习模型的工程解决方案，该模型能够以自动化、高效或创造性的方式执行一组任务。 对于ML工程师而言，最终产品或可交付成果可以是一种软件，其中的功能由机器学习方法提供支持。鉴于ML研究员的可交付成果往往是一篇写得很好的研究论文，其中包含为实现特定机器学习相关任务中的性能/准确性的特定进步或改进，和实验和调查研究的详细信息。 ML研究员的最终产品将是对新发现的发现，改进或分析的有记录探索，然后提交并被国际会议和科学期刊接受。4.工资薪水可能是许多读者最感兴趣的关键区别。机器学习从业人员的需求量很大，这与机器学习相关的职位提供的薪水反映了这一点。例如，《纽约时报》的这篇文章提到了顶级AI研究员的薪水超过100万美元。显然，在高要求的行业中，前0.01％的个人中有很高的薪水。在英国，从2020年4月3日开始的六个月内，机器学习研究员的平均工资（https://www.itjobswatch.co.uk/jobs/uk/machine%20learning%20researcher.do） 为 57,500英镑。另外，同期的机器学习工程师（https://www.itjobswatch.co.uk/jobs/uk/machine%20learning%20engineer.do） 的平均工资为68750英镑。因此，在英国，两个ML角色之间有10,000英镑的利润差异。根据LinkedIn的ML研究员的平均基本工资（https://www.linkedin.com/salary/machine-learning-researcher-salaries-in-united-states） ，在美国是 $143,000（110 ML研究员）。对于美国的ML工程师（https://www.linkedin.com/salary/machine-learning-engineer-salaries-in-united-states） 来说 ， 这个数字减少到$ 125,000，但其中包括来自900多个ML工程师的更多数据。就我个人而言，根据对我在AI行业研究和合作过的人员的观察，金钱动机不是主要的。 接触和了解知识的机会似乎对我这个团队（包括我自己）更具吸引力。 简单来说，年轻的机器学习工程师可能更在乎吹牛的权利和影响力，而不是金钱上的激励。 不管薪水是否高昂，谁不想成为FAANG公司（https://www.dictionary.com/e/acronyms/faang/） 之一的机器学习工程师或研究员？ 不要认为统计数据不能反映该行业的真实平均薪资，应将其用作指导而非绝对事实。5.工作/项目范围ML工程师需要看到更大的图景。ML研究员需要更专注的视角。软件工程是一门学科，需要了解与产品，过程或管道相关的组件。这一点至关重要，因为工程师要负责集成多个组件。以下是典型的ML工程师在项目期间要解决的一些问题：了解ML模型使用的数据格式了解从数据源收到的数据格式实现与数据池和数据库的连接以存储和访问数据。了解最终产品将使用的环境，因为这可以决定分配的资源级别，以确保高效的运行时间和最佳的运行能力。另一方面，ML研究员的工作范围往往非常明确。ML研究员需要非常专注。ML研究员无需担心ML模型或算法在各种环境中的性能如何。ML研究员的工作往往非常注重问题和具体。通常情况下，他们的任务是寻找解决问题的新方法或提高以前设计的解决方案的性能和准确性。6.工作角色要求对于ML研究员的工作角色描述和要求是精确的，并且侧重于机器学习的特定领域。 ML研究员的典型职位要求包括：机器学习平台和库的知识，例如TensorFlow，PyTorch，Keras等。能够进行文献综述并以精心编写的研究格式呈现报告和实验结果，以提交会议或科学期刊机器学习中特定领域的可靠知识，例如概率模型，高斯过程，强化学习等深刻理解机器学习中的基本主题，包括理论知识ML工程师的典型职位要求包括：了解云计算服务，例如Google Cloud Platform（GCP）（https://cloud.google.com/） 和Amazon Web Service（AWS）（https://aws.amazon.com/cn/）熟练使用Java，Python，JavaScript等语言进行编程具有将机器学习模型部署到生产环境中的经验体验在边缘设备（例如手机）上部署机器学习模型的经验能够实施，评估和测试针对常见问题（例如目标检测，语义分割和图像分类）的最新解决方案能够从已发表的研究论文中提取关键细节和信息，并将发现结果传达给项目涉众。具有实施数据挖掘脚本的经验。7.重叠的部分ML研究员可以进行工程设计，而ML工程师也可以进行研究。成为一名机器学习从业者还意味着精通现代的软件库和硬件。机器学习本身（如果涉及多个学科）和职位通常不能完整地描绘角色。为了说明我的观点，ML研究员可以在实际研究和工程设计之间分配70/30的比例。ML工程师通常在工程和研究之间的距离为70/30。我可以证明，在ML工程师的研究和工程之间是可以分开的，因为在我目前担任计算机视觉工程师的职责范围内，我花费了大量时间将ML模型工程到解决方案中，例如网站或移动应用程序。同时，我花了很少的精力来搜索PaperWithCode（https://paperswithcode.com/） 或ReseachGate（https://www.researchgate.net/） ，以查找针对我要解决特定问题的已发表研究论文。结论本文中没有提到一些差异，在Google的快速搜索会提供相应的结果。 无论您选择追求哪种职业道路，都必须承认以下事实：这两个角色都需要大量的时间和精力才能获得，但要明白努力是有回报的。

12月2日，在山东产业技术研究院召开专业技术职务聘任暨研究员大会，首批聘了61位专业技术人员为研究员。不唯学历、不唯论文、不唯奖励、不唯来头，谁有能力、谁能更好的履行岗位职责，谁能更好推动创新发展，就聘任谁，创新搭建专业技术职务治理体系，激发专业技术人员活力。“不唯学历、不唯论文、不唯奖励、不唯来头，谁有能力、谁能更好的履行岗位职责，谁能更好推动创新发展，就聘任谁为研究员。”山东产研院院长孙殿义表示，产研院的研究员是“专业技术职务”，与传统的“专业技术职称”虽然只有一字之差，含义截然不同。专业技术职称更多体现个人的专业技术能力，而产研院专业技术职务是与岗位能力要求紧密结合的，更多体现了岗位的要求与职责。评审方式也不同，山东产研院采用提名认定制，产研院院长提名领域研究员，领域研究员根据工作需要提名方向研究员，经产研院人才工作委员会审核认定。“在前方打仗的人，知道攻下堡垒需要什么样的人才，同样我们根据产业化实际需求选技术人员，不能搞投票。”孙殿义表示，研究员不是一个“虚”头衔，而是产研院创新发展的主体力量。这样可以把产业创新每个环节打通，形成“领域-方向-项目”的产业技术创新治理体系，有效推动产业技术创新。刚刚从孙殿义手中领回“方向研究员”大红聘书的王玉林，早已获得研究员职称多年。“今天这个研究员个人感觉是产业带头人，更多的是压力和责任。跟薪酬、职称都没有关系，我提名的项目研究员完全有可能比我收入还高。”按照“能责统一、据能赋责、按责设岗、以岗聘任”的原则，山东产研院创新构建了专业技术职务聘任制度，实现岗位专业能力要求、岗位职责与高层次专业技术人才的高度匹配。专业技术职务包括研究员、副研究员、助理研究员、研究助理，其中研究员分为领域研究员、方向研究员和项目研究员。本次大会上聘任的61名研究员分为领域研究员、方向研究员、项目研究员。按照创新发展规划，山东产研院在信息与智能融合、先进材料、微纳与智能制造、绿色与健康等4个领域进行布局，因此相应设了4个领域研究员；在每个领域中，又布局了不同的研究方向，对每个方向相应设置了方向研究员；每个方向中有很多创新项目，对每个项目相应设置了项目研究员。“我们的研究员不搞终身制，能上也能下。最大程度适应新型研发机构的运行体系，调动每位科研人员的积极性。”孙殿义表示，研究员除了从产业、技术等方面开展专业研究、实现商业化之外，还要积极建言献策，推动多专业技术领域创新发展、高质量发展。（大众日报客户端记者 赵国陆 报道）

构建起专业技术职务聘任制度，山东产研院让研究员成为创新发展主体力量聘任研究员，不看论文看业绩12月2日下午，山东产业技术研究院（以下简称山东产研院）召开研究员大会，首批聘任61名研究员。与学术界的专业技术职称不同，山东产研院创新模式，聘任研究员不唯学历、论文、来头，按照研发需求匹配人才和岗位职责，作为一种专业技术职务，让高层次专业技术人才成为创新主体力量。当天下午，山东产研院院长孙殿义向部分研究员代表颁发了聘书。“不唯学历、不唯论文、不唯奖励、不唯来头，谁有能力、谁能更好地履行岗位职责，谁能更好推动创新发展，就聘任谁为研究员。”孙殿义表示，产研院的研究员是“专业技术职务”，不是“专业技术职称”，别看只有一字之差，含义截然不同。专业技术职称更多体现个人的专业技术能力，而产研院专业技术职务是与岗位能力要求紧密结合的，更多体现了岗位的要求与职责。“在前方打仗的人，最清楚攻下堡垒需要什么样的人才，所以就得根据产业化实际需求选专业技术人员。”孙殿义认为，研究员不是一个“虚”头衔，而是产研院创新发展的主体力量。这样可以把产业创新每个环节打通，形成“领域—方向—项目”的产业技术创新治理体系，有效推动产业技术创新。刚刚从孙殿义手中领回“方向研究员”大红聘书的王玉林，早已获得研究员职称多年。“领域研究员”张博明加入山东产研院之前当了20多年的大学教授。博士牛昕宇是创业没几年的年轻人，在产研院同台竞赛，没有论资排辈，不用发表论文著作，只要成果实现产业化，创造商业价值就可以挑头干事。按照“能责统一、据能赋责、按责设岗、以岗聘任”的原则，山东产研院创新构建了专业技术职务聘任制度，实现岗位专业能力要求、岗位职责与高层次专业技术人才的高度匹配。按照创新发展规划，山东产研院在信息与智能融合、先进材料、微纳与智能制造、绿色与健康等4个领域进行布局，该院的研究员也相应设置4个“领域研究员”，全面负责相关领域的产业技术创新等工作。在每个领域中，比如在先进材料领域，产研院布局了有机高分子材料、复合材料、无机非金属材料等3个方向，对每个方向相应设置了“方向研究员”；每个方向中有很多创新项目，对每个项目相应设置了“项目研究员”，全程负责项目的引进、转化和落地。“我们的研究员不搞终身制，能上也能下，不合格的就公告除名。”孙殿义表示，这样最大程度适应新型研发机构的运行体系，调动每位科研人员的积极性。研究员除了从产业、技术等方面开展专业研究、实现商业化之外，还要积极建言献策，推动多专业技术领域创新发展、高质量发展。打破体制机制障碍，有效盘活教育资源，临朐县“县管校聘”改革持续发力485名乡村教师获聘高级职称□ 本报记者 杨国胜 都镇强本报通讯员 刘明志 窦硕强“原本以为希望不大，没想到评上了副高！”12月7日，临朐县石家河小学教师李玉梅捧着手中的高级职称证书很是感慨。说“希望不大”，此前因受限于名额限制、竞争教师多等因素，李玉梅本想镇上老教师多，参评副高没希望，但临朐县的职称直评直聘政策，让李玉梅成为受益者。从1994年参加工作至今，李玉梅就一头扎进了石家河小学，在乡村教师岗位上一干就是26年。“全镇一起评职称，按分数从高到低评。但一年也就一两个名额，想晋职称有点难。”李玉梅告诉记者，“今年有了新政策，我才能评上副高。这一下子，感到同事们的积极性都上来了。”包括李玉梅在内，临朐县今年共评审通过副高级职称585人，其中农村学校教师499人，占比达到了85.3%。6月22日，临朐县为评审通过并符合聘任条件的485名（14名教师暑假后工作岗位由乡村调到了城里，工作岗位不再享受直评直聘政策）乡村学校教师办理了高级职称聘任手续。包括石家河小学在内，临朐县的农村学校占比达75%，教师队伍流动不畅、职称评聘难等问题由来已久。针对这一问题，临朐县积极探索实行教师队伍“县管校聘”改革，打破区域、城乡、校际、学科壁垒，让教师队伍活起来，动起来，激活了“一池春水”。“县管”就是教育行政部门只管编制、岗位的科学分配，通过宏观调控和激励政策引导教师合理流动，促进师资均衡。“校聘”就是由学校遵循“按需设岗、竞聘上岗、按岗聘用、合同管理”的原则，通过双向选择、平等竞争、择优聘用的方式，自主聘用和管理教师。为提升改革成效，临朐县还打出“组合拳”，校内聘、校际聘、镇间聘、城乡聘“四聘联动”，再辅之以支教、走教，最大限度地均衡师资，引导优秀骨干教师向农村学校、薄弱学校、偏远学校流动。为引导教师积极参与、主动流动，临朐县积极配套激励政策，落实乡村教师工作补贴、职称直评直聘政策，设立农村偏远小学特级教师岗位，高标准推进周转宿舍建设等政策相继出台，真正让老师们下得去、留得下、发展好。“从临朐中学附属小学到蒋峪镇海尔希望小学支教，终于圆了我的支教梦，在这里，我可以充分发挥自身特长，引领带动老师们专业发展。”临朐县学科带头人、市立德树人标兵刘永霞老师说。“近几年，我们积极探索实施‘县管校聘’改革，打破了体制机制障碍，建立起教师队伍动态管理机制，有效盘活师资、挖掘潜力、保障需求，有力推动了全县教育优质均衡发展。”临朐县教育和体育局党组书记、局长孟凡政告诉记者，该县已在全省率先通过了国家义务教育基本均衡县验收，学生转学已呈回流态势。来源： 大众日报

探解科研难题，拓展“认知”新方向近日，中国科学院计算技术研究所视觉信息处理与学习研究组（VIPL实验室）再获殊荣，有3篇论文以其前沿的理论和创新的研究方法入选国际顶级期刊IEEE T-PAMI和IJCV。众所周知，计算机科学领域有三大顶级会议（CVPR、ICCV、ECCV）和两大顶级期刊（IEEE T-PAMI 和IJCV）。大多数工程学科期刊的影响因子通常在1或2左右，而IEEE T-PAMI和 IJCV这两大期刊的影响因子都已超过了10。IEEE T-PAMI的全称为IEEE Transactions on Pattern Analysis and Machine Intelligence，是计算机视觉、模式识别与生物识别领域国际顶级期刊，是IEEE最重要的学术性期刊之一，也是中国计算机学会认定的人工智能领域四个A类期刊之一，目前影响因子为17.73。IEEE T-PAMI以严苛的审稿著称，对论文的原创性要求严格，每年收录的论文数量十分有限。IJCV，全称为International Journal of Computer Vision，是计算机视觉领域的国际顶级期刊之一，也是中国计算机学会认定的人工智能领域四个A类期刊之一，2018年SCI影响因子为11.541。VIPL实验室关于大规模纹身图像检索的工作“Tattoo Image Search at Scale: Joint Detection and Compact Representation Learning”被IEEE T-PAMI以长文接收，该研究也是首个融合纹身检测与紧凑特征学习于一体的可端到端学习方法。实验室关于人脸检测的工作“Hierarchical Attention for Part-Aware Face Detection”被IJCV(Special Issue on Deep Learning for Face Analysis)接收。同样被IJCV收录的还有关于大规模图像检索的工作“Deep Supervised Hashing for Fast Image Retrieval”, 该项工作的前期会议版本发表于IEEE CVPR 2016。大规模纹身图像检索近年来，基于主要生物特征（如人脸、指纹）的识别方法与技术取得了巨大进步，但单一生物特征在开放场景中很难完全满足实际应用需求。纹身作为一种重要的辅助生物特征，对辅助身份识别具有重要价值，特别是在人脸、指纹等数据无法获取或被人为破坏的情况下。现有的纹身搜索方法主要集中在匹配“裁剪后的纹身”上，这与实际应用场景的需求存在较大差距，实现全自动的鲁棒大规模纹身图像检索仍然是一个富有挑战性的难题。为此，我们提出了一种高效的一体式纹身检测与紧凑特征学习方法用于非可控场景大规模纹身图像搜索。借鉴人在视觉感知中，识别任务与检测任务在视觉信息处理通路上的高度共享的特点，我们让纹身紧凑特征学习与纹身检测任务进行充分特征共享。方法的总体框架图如下：该工作的主要贡献包括：（1）据我们所知，所提出的大规模纹身图像检索方法是首个融合纹身检测与紧凑特征学习于一体的可端到端学习方法；（2）该方法有效解决一体式纹身检测与紧凑特征学习网络中紧凑特征学习部分所面临的批量小问题(small batch size issue)；（3）在纹身检测、识别与检索任务上超越业界最好方法的性能，并且具有低计算复杂度；（4）在纹身数据集构建方面贡献了300对纹身素描-照片图像用于基于草图的跨模态纹身检索研究，利用互联网搜索形成30万纹身数据集（WebTattoo）用于模拟大规模纹身检索场景，以及对数万纹身图像进行了标注，如纹身框、类别等（拟公开WebTattoo数据集的图像URL及标注用于学术研究目的）。论文信息：“Tattoo Image Search at Scale: Joint Detection and Compact Representation Learning”(作者: Hu Han, Jie Li, Anil K. Jain, Shiguang Shan and Xilin Chen)，IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI), 2019. (Accepted) [arXiv:1811.00218]人脸检测对于人脸检测任务，有效的人脸特征表示是提升检测精度的关键。由于人脸会受到姿态、尺度、表情、光照、遮挡等诸多内外因素的影响，因此在整体和局部表观上会呈现出非常复杂的变化模式，人脸上不同的局部区域（部件）之间会存在显著差异，各个部件对检测任务的贡献也不尽相同。然而，在目前的人脸检测方法中，尤其是基于卷积神经网络的方法，人脸的特征表示是采用均一化的方式进行构造的。具体而言，对于不同的局部区域，其特征都是用相同的卷积核（卷积层）或者池化方式（池化层）来计算得到，并且对于不同的人脸，每个局部特征的贡献恒定不变，这一过程没有充分考虑局部表观之间的差异性，从而降低了特征表示的有效性。为此，我们设计和提出了一种层次化注意力机制，在构造特征表示的过程中对人脸局部表观的差异性进行建模，以得到更有效的人脸特征表示。我们设计的层次化注意力机制包含部件特定(局部)注意力和人脸特定(全局)注意力，前者通过可学习的高斯核进行建模，在人脸局部进行搜索以提取更具表达能力的部件特征，后者采用LSTM对部件特征进行整体建模，预测注意力图，以自适应地调整各个部件对于人脸检测任务的贡献。方法的总体框架图如下：概况而言，该工作的主要贡献包括：（1）设计了一种有效的层次化注意力机制对人脸的整体和局部表观变化进行建模，其能够构造出更具表达能力的人脸特征表示；（2）基于层次化注意力机制设计了具备部件感知能力的人脸检测器PhiFace；（3）在多个真实场景的人脸数据集上对所提出的方法进行了充分的分析和验证，并获得了State-of-the-art的检测精度。论文信息：“Hierarchical Attention for Part-Aware Face Detection”(作者: Shuzhe Wu, Meina Kan, Shiguang Shan and Xilin Chen)，International Journal of Computer Vision (IJCV), 2019. (Accepted on Jan.29th, 2019).大规模图像检索对于图像检索任务，存储和计算高效的特征表示是提升方法可扩展性的关键。作为一种典型的大规模图像检索方法，哈希算法通过哈希函数将图像变换为紧致的二值编码，从而实现精简的存储和高效的相似性计算。在当前主流的哈希学习算法中，尤其是基于卷积神经网络的算法，受限于二值编码的离散化表示特性，无法使用标准的基于梯度的方法进行哈希函数的学习。为了解决这个问题，现有的基于卷积神经网络的哈希学习算法通常对二值编码进行实数化松弛后，采用一些较弱的约束代替二值约束，但是也因此会导致学习到的实数表示与最终的二值表示之间存在一定的差异。为了更好地解决这个问题，我们提出了一种新的正则化约束，要求松弛后的实数表示尽可能接近哈希学习目标中的离散取值。我们设计的正则化约束与多种已有的判别性约束兼容，如对比损失、三元组排序损失等。因此，我们的方法可以通过降低量化损失的方式，使得模型学到的实数特征表示在量化之后仍然可以保持很好的判别能力，从而达到更好的检索性能。方法的总体框架图如下：总体而言，该工作的主要贡献包括：（1）设计了一种有效的适用于哈希学习算法的正则化约束，通过减小量化损失，保证量化后的图像特征表示可以保持量化前的强判别能力；（2）基于提出的正则化约束，设计了一套适用范围广、通用性强的深度监督哈希算法（Deep Supervised Hashing, DSH）；（3）在多个标准的图像检索评测数据集上对所提出的方法进行了充分的分析和验证，并获得了state-of-the-art的检索精度。该项工作的前期会议版本发表于IEEE CVPR 2016。论文信息：“Deep Supervised Hashing for Fast Image Retrieval”(作者: Haomiao Liu, Ruiping Wang, Shiguang Shan and Xilin Chen)，International Journal of Computer Vision (IJCV), 2019. (Accepted on Feb.18th, 2019).—END—VIPL研究组隶属于中国科学院计算所及中科院智能信息处理重点实验室，同时也是先进人机通信技术联合实验室（JDL）的一部分。目前，VIPL研究组主要成员包括研究人员20余名、博士/硕士研究生50余名。研究组在相关领域发表研究论文500余篇，其中100余篇发表在计算机学会认定的领域A类国际期刊或会议上。研究成果获2015年度国家自然科学二等奖，2005年度国家科技进步二等奖等。中科视拓（北京）科技有限公司是一家来自中国科学院计算技术研究所的人工智能基础设施服务商，核心团队来自国家万人计划领军人才山世光研究员和国家自然科学基金委杰出青年基金获得者陈熙霖研究员共同领导的中科院计算所智能信息处理重点实验室和中国科学院计算技术研究所视觉信息处理与学习（VIPL）研究组。中科视拓凭借在人脸识别与通用计算机视觉技术方面20多年的深厚积累，以“开源赋能共发展”的思路，打造AI视觉全栈能力—SeetaFace人脸识别与感知计算解决方案、AI算法调用平台—SeeTaaS自主可控人工智能生产平台和AI服务与计算中心—中科视拓云智中心三大产品线，致力于为政府、教育、制造、金融和零售等国民经济主战场行业提供一站式人工智能基础设施服务。

针对网络反映的南开大学曹雪涛院士、中科院裴钢院士、中科院上海药物所耿美玉研究员、首都医科大学饶毅教授、武汉大学李红良教授等的相关论文涉嫌造假问题，在21个部门参加的科研诚信建设联席会议框架下，科技部会同教育部、卫生健康委、中科院、工程院、自然科学基金委，建立分工负责、协同配合的联合工作机制，组建高层次复核专家组，依据《科研诚信案件调查处理规则（试行）》等有关规定，严肃开展调查处理。在单位调查、部门审核的基础上，复核专家组赴实地检查、听取当事人的陈述和申辩，集体讨论形成复核结论，最后联合工作机制审议形成处理意见。调查处理结果通报如下。一、对曹雪涛院士论文的调查结论及处理意见对网络质疑曹雪涛院士的63篇论文，经调查未发现有造假、剽窃和抄袭，但发现较多论文存在图片误用，反映实验室管理不严谨。经联合工作机制审议，决定取消曹雪涛院士申报国家科技计划项目资格1年，取消作为财政资金支持的科技活动评审专家资格1年，取消招收研究生资格1年，责成其对被质疑的论文回应质疑并进行勘误，对存在的问题作出深刻检查，在工程院相应学部通报批评。二、对李红良教授论文的调查结论及处理意见对网络质疑李红良教授的21篇论文，经调查未发现有造假，但发现较多论文存在图片误用，反映实验数据处理不严谨。经联合工作机制审议，决定取消李红良教授申报国家科技计划项目资格2年，取消作为财政资金支持的科技活动评审专家资格2年，取消招收研究生资格2年，责成其对存在的问题作出深刻检查。三、对耿美玉研究员论文的调查结论及处理意见对网络质疑耿美玉研究员的5篇论文，经调查未发现有造假，但发现论文存在少量图片误用。经联合工作机制审议，决定对其进行批评教育和科研诚信提醒谈话。四、对裴钢院士论文的调查结论对网络质疑裴钢院士的1篇论文，经调查未发现有造假。五、对饶毅教授论文的调查结论对网络质疑饶毅教授用于自然科学基金项目申请的2篇论文，经调查未发现有造假。本次调查发现相关科研人员在数据管理、实验室管理、团队管理等方面存在漏洞和不足，暴露出对科研作风学风建设重视不够、要求不严。习近平总书记在科学家座谈会上指出，科学成就离不开精神支撑，科学家精神是科技工作者在长期科学实践中积累的宝贵精神财富。广大科研人员要继承老一辈科学家求真务实、严谨治学的优良传统，大力弘扬科学家精神，肩负起历史赋予的科技创新重任，珍惜学术声誉，严守科研诚信，保持优良作风学风，攻坚克难、勇攀高峰，为科技自立自强、建设科技强国作出更大贡献。从事科学研究的高校、科研机构、医院、企业等要切实履行主体责任，完善成果管理、数据汇交、论文发表等管理制度，加强对本单位科研人员的教育培训，严格监督管理，对苗头性问题及时提醒，对学术不端问题严肃处理。科研诚信建设联席会议联合工作机制2021年1月21日来源 科学技术部网站编辑 高晨晨流程编辑 刘伟利

02:047月27日凌晨，针对近日网传复旦女博士情感纠纷牵出学术不端问题，复旦大学发布声明称：要求并会同中山医院就网友关注的当事人师德师风和学风问题启动调查，对任何师德失范、学术不规范的行为，将一查到底，有责必究。事件回顾日前，网传复旦大学女博士卷入情感纠纷,导致一名复旦大学附属中山医院的青年研究员自杀未遂。网传女博士照片这位自杀未遂的研究员曾发文称自己曾送5篇SCI论文给该名女博士，同时为其抛妻弃子。网传复旦大学附属中山医院青年研究员网传复旦大学附属中山医院青年研究员朋友圈截图对此事件，网友们纷纷发表评论，有人表示能送5篇SCI论文，绝对是真爱！还有很多人表示自己柠檬了，别人轻而易举收5篇SCI论文，而多少人挤破头也发不了一篇。那么SCI到底是什么？竟然让众多网友如此柠檬？荔枝新闻为你来科普！SCI是什么？SCI即Science Citation Index的简称，中文全称为《科学引文索引》，1957 年由美国科学信息研究所（Institute for Scientific Information, 简称 ISI）在费城创办，是由美国科学信息研究所（ISI）1961 年创办出版的引文数据库。SCI（科学引文索引）、EI（工程索引）、ISTP（科技会议录索引）是世界著名的三大科技文献检索系统，是国际公认的进行科学统计与科学评价的主要检索工具，其中以 SCI 最为重要。在我国，晋升教授（研究员）、授予博士（硕士）学位的先决条件之一就是必须发表一定数量的SCI论文。因此，SCI不仅是一部权威的文献检索工具，也是评价科研成果的一种重要依据。SCI 在学术圈有怎样的地位？资深SCI研究员，东南亚经济和政治研究所研究员丁裕森表示：SCI在学术圈代表着最高学术水平。如何判定论文作者的贡献度和参与度？南京航空航天博士传鑫告诉荔枝新闻记者，一般来说，通过论文署名排序和影响因子（Impact Factor, IF）即可看出作者们的贡献度和参与度。在刊发论文时，作者们会根据各自的参与度和贡献度按顺序进行署名，论文署名一般划分为通讯作者、第一作者、第二作者和第三作者，其中，第一作者和通讯作者的“含金量”最高。丁裕森表示如果对论文或研究成果没有任何贡献，却在论文中“挂名”，这种行为属于学术不端。而影响因子则是另一个评价SCI期刊影响力的重要指标。每年6月，期刊的影响因子都会在Thomson Reuters出版的期刊引证报告（Journal Citation Reports, JCR）中公布。影响因子的计算方式为期刊在前两年发表的论文在该年度被引用的总次数除以该期刊在前两年发表的论文总数，即2015年期刊的IF =（该期刊2013~2014年发表的论文在2015年的总被引次数）÷（该期刊在2013~2014年发表的论文总数）。简单来说，影响因子越高，代表该期刊的学术水平越高。能在影响因子较高的期刊中发表论文，则代表学者的学术能力和学术水平较高。高校硕博士毕业，一定要发SCI吗？发SCI论文难不难？华东交通大学的在读硕士宽响对荔枝新闻记者说：“一般对于硕士生毕业没有太多要求，但对于博士来说，是一个必要的指标”。传鑫表示，南京航空航天大学博士毕业的标准是至少发表2篇SCI论文，这一标准与同类高校相比，处于一般水平。据荔枝新闻记者了解，国内985/211大学对博士毕业的要求有两种：一种是至少发表1篇或2篇SCI论文，一种是至少发表1篇SCI论文和1篇EI论文。那么，发表SCI论文有多难呢？宽响告诉记者：“对于硕士研究生来说，发表一篇上乘的SCI论文是非常困难的”。传鑫表示：“不同学科的评判标准不一样，但是对他们学机械的博士研究生来说，还是有一定难度的”。在研究生升学、毕业、求职的过程中，SCI论文是否能够为他们提供助力？丁裕森表示，对于硕士生来说，发表SCI论文有助于他们升学，被高校录取为博士研究生的几率大大提高；对于博士生来说，能否发表SCI论文，代表着他们能否顺利毕业；对于求职的年轻学者来说，发表高质量的SCI论文，才能提高被科研单位录取的概率。据荔枝新闻记者了解，发表高质量的SCI论文，可以助力研究生在校申请高额奖学金，帮助学者申请科研项目及科研奖金，同时对于学者未来的学术职称评定也有很大的影响。来源：荔枝新闻编辑：YING