近年来，由于缺乏具有大规模细粒度分割标签的数据集，视频息肉分割研究领域的发展并不顺利。为解决上述问题，本文首次引入一个具有逐帧标注的高质量视频息肉分割数据集，名为SUN-SEG。其次，本文设计了一个简单且高效的基线模型，名为PNS+，并在SUN-SEG数据集上取得了最佳的性能和实时的推理速度，超越了13个经典的息肉/目标分割模型。

近年来，伪装场景理解在计算机视觉领域受到很多关注。在这个工作中，我们提出了一个新的任务，伪装场景计数（COC），以推进该领域的进步。COC的目标是统计和背景环境区分度不大的物体的数量。由于缺乏合适的COC数据集，我们提出了一个大规模数据集IOCfish5K，它总共包含5,637张高分辨率图像和659,024个标注中心点。我们的数据集拥有大量在水下场景中难以辨认的物体（主要是鱼）。IOCfish5K有以下几个特点：大规模，高图像分辨率，大量标注，场景密集。为了进行基准测试，我们选择了14种主流的物体计数方法，并评估它们在IOCfish5K上的性能。此外，我们提出了一个新方法IOCFormer，它将密度计数方法和回归计数方法结合在一个统一的框架中，可以有效地解决隐藏场景下的物体计数问题。实验表明，IOCFormer在 IOCfish5K上取得了最先进的性能。

Machine Intelligence Research（简称MIR，原刊名International Journal of Automation and Computing）由中国科学院自动化研究所主办、Springer全球发行，于2022年正式出版。期刊立足国内、面向全球，着眼于服务国家战略需求，刊发机器智能领域最新原创研究性论文、综述、评论等，全面报道国际机器智能领域的基础理论和前沿创新研究成果，促进国际学术交流与学科发展，服务国家人工智能科技进步。期刊现已被ESCI、EI、Scopus、DBLP等20余家国际数据库收录，是中国科技核心期刊，受到"卓越行动计划"支持，入选图像图形领域期刊分级目录-T2级知名期刊。2022年首个CiteScore分值达8.4，在计算机科学、工程、数学三大领域的八个子方向排名均跻身Q1区，最佳排名挺进Top 4%。