热烈欢迎白俄罗斯国家科学院院士、欧洲科学院（Academia Europaea）院士 Sergey V. Ablameyko 加入国际人工智能产业联盟（AIIA）。
Sergey V. Ablameyko
白俄罗斯国家科学院院士、欧洲科学院（Academia Europaea）院士、国际模式识别协会会士（IAPR Fellow）、西班牙皇家经济与金融科学院外籍通讯院士，现任白俄罗斯国立大学教授、白俄罗斯国家科学院联合信息学问题研究所首席研究员。曾任白俄罗斯国立大学校长、联合信息学问题研究所所长，以及国际模式识别协会第一副主席。
▌研究方向
他的研究横跨人工智能、计算机视觉与图像分析，涉及图形与模式识别、数字几何、知识系统、地理信息系统、遥感和医学图像。这些方向始终围绕同一个问题：怎样让机器从图像中恢复结构、识别对象，再把视觉信息转成可以计算和使用的数据。
▌成果与荣誉
他著有《图形图像解释导论》《线图图像的机器解释》等专著，系统推进了扫描地图、工程图和其他线图的矢量化与语义解释。1998年，他因在文档图像分析领域的贡献及对国际模式识别协会的服务，当选 IAPR Fellow；之后又获得白俄罗斯国家奖和白俄罗斯国家科学院最佳科学工作奖。
▌大幅面地图怎样装进有限内存
1978年，Sergey V. Ablameyko从白俄罗斯国立大学数学专业毕业，进入白俄罗斯国家科学院工程控制论研究所。他接到的第一个研究任务，是让计算机自动完成扫描地图的矢量化。
纸面地图被扫描以后，计算机得到的是一幅由像素组成的图像，还不能直接编辑其中的道路、边界等地图要素。自动矢量化要做的，是从像素中提取线条，把它们转换成可以测量和继续分析的几何数据。
扫描地图进入计算机后，首先表现为由像素组成的图像
而当时计算机的内存，极大阻碍了这项工作。一幅大尺寸地图很难整体装入，Sergey V. Ablameyko及其团队因此采用改进的游程表示，用连续的像素段组织图像信息，再让程序逐行处理。计算机只需保留有限数量的图像行，便可以在一次处理过程中完成线条细化和矢量转换。
矢量化得到的线条还需要被有序保存。他们用层级结构记录连通区域、线段和特征点，同时识别并削减矢量结果中的缺陷。经过这些处理，大幅面扫描地图从一组像素变成了可以继续编辑、测量和分析的几何数据。
▌线条成为地图数据之前
矢量化记录了线条的形状和位置，但专业地图处理还需要知道它们对应什么对象。Sergey V. Ablameyko随后把研究推进到地图对象识别和工程图实体恢复。他与英国学者Tony Pridmore合著的《线图图像的机器解释》，将图像采集、二值处理、连通区域分析和矢量化，与地图对象识别、工程图实体恢复及知识驱动解释纳入同一研究体系。
栅格图像记录像素，矢量数据记录可计算的几何结构
彩色地图解释系统提供了一个更具体的工程实例。面对颜色、文字、线条和符号相互交织的地图，Sergey V. Ablameyko团队先识别并分离其中的颜色，再对线条进行快速自动矢量化，将大范围的图像信息转换成矢量数据。
自动处理完成后，使用者可以从已经矢量化的数据中交互提取需要的线状制图对象。程序承担颜色分离和线条转换，人工交互则用于选择具体对象。这套系统被用于地形图及其他地图的数字化，处理结果可以继续编辑，也可以进入地理信息系统。
▌视觉任务不再只是一张地图
Sergey V. Ablameyko后来的合作研究还涉及视频中的动态信息。
2019年的一项交通视频研究使用积分光流和像素级运动图，并建立区域指标，用来分析车辆的运动方向、速度、密度和强度。实验中，这套方法识别了车辆定向运动、分流和聚集等状态。这里需要处理的已不再是静态图形的线条，而是连续画面中不断变化的运动信息。
无人机视角中的复杂场景对小目标检测提出更高要求
在无人机图像中，研究面对的又是复杂背景下尺寸很小的目标。2025年，Sergey V. Ablameyko与合作者在YOLOv11基础上引入RepConv、大核注意力和动态自适应融合，改善不同尺度信息的提取与融合。在VisDrone2019-DET数据集上，论文报告的mAP50和mAP50-95分别提高2.02和1.17个百分点，后处理速度提高9.09%。这些改进使模型在复杂的无人机图像中能够更准确地识别小目标，同时提高了处理效率。
AIIA
