当前位置: 首页 · 新闻动态 · 新闻简讯 · 正文

新闻简讯

吉林大学博士生导师张小利副教授及优秀博士研究生来我校做学术报告
来源: 发布日期:2021/12/28 点击量:

(通讯员:郑贺伟、黄小雨)20211217日上午,皇冠集团99442登录入口人工智能研究院邀请吉林大学博士生导师张小利副教授、优秀博士研究生王泽宇、朱芮、于爽在北湖西区计算机楼323会议室开展主题为《图像融合与分类器性能研究》学术报告会,皇冠集团99442登录入口部分教师与研究生们参加了报告。

IMG_2584

报告会由皇冠集团99442登录入口人工智能研究院副院长李阳教授和张丽娟教授共同主持。在全体师生热烈的掌声过后,首先由吉林大学博士生导师张小利为大家带来以《图像融合的应用及算法综述》为主题的学术报告,以医学图像融合算法面临的挑战为主线,围绕医学图像融合算法、多焦距图像融合算法以及普适性图像融合算法展开详细介绍。在报告的最后,张小利副教授耐心地回答了观众提问,还分享了自己的学习经历与经验,让全体师生受到了极大的学术熏陶和启迪。

IMG_2580

接下来,优秀博士研究生王泽宇以《基于深度学习的多焦点图像融合算法现状分析》为主题,介绍了空域类融合算法的发展过程,重点讲解了深度卷积神经网络在多聚焦领域的应用,并与大家分享了他目前的研究进展。对于大部分研究生会在学术中遇到的问题,王泽宇结合自身的经验,给予了详细且生动的回答。

IMG_2600

然后,优秀博士研究生朱芮带来了《多模态医学图像融合(MMIF)》的主题报告。她分享了自己博士期间的两项重要工作,分别为基于图像混合特征分解的MRICT图像融合算法和基于自适应共现滤波分解优化模型的多模态医学图像融合算法。她详解介绍了自己的研究思路与方法,并对该方向未来发展给予了展望,对本领域相关的同学启发很大。

IMG_2595

最后,优秀博士研究生于爽带来了《面向实例的分类性能评估与可信任分类器研究》的主题报告,分享了她博士期间的主要工作。她以清晰的逻辑向大家讲解了她的研究问题和解决思路,用生动有趣的案例解释了面向实例的分类性能的度量方法,令人受益匪浅。




IMG_2608


会后,在场师生们进行了踊跃提问,与张小利副教授及三位优秀博士对报告中的研究内容展开了深入探讨,报告会在热烈的学术氛围中圆满结束。本次学术报告会开阔了同学们的学术视野,坚定了同学们继续勇攀高峰的信念,激励了同学们要自强不息,厚积薄发!

IMG_2615


报告人简介:张小利,吉林大学副教授,博士生导师。研究方向:图像处理与机器学习。目前从事图像融合、分类器及其质量评估方面的研究工作。发表学术论文40余篇,承担国家自然科学基金(青年基金)1项,吉林省优秀青年人才基金1项,博士后基金面上项目1项,吉林省教育厅项目1项,横向项目2项。CCF高级会员、中国图象图形学会会员、医学影像专业委员会成员、IEEE会员、吉林省数字医学学会会员。

王泽宇,吉林大学计算机科学与技术学院2020级在读博士生。研究方向:多焦点图像融合,深度学习,图像增强。目前已发表SCI论文6篇;在投CCF-A类期刊和会议3篇,包括IEEE TIP(二审),CVPR-2022WWW-2022。获吉林大学研究生国家奖学金、吉林大学优秀研究生荣誉称号。担任AAAI-2022程序委员会成员(PC Member),Applied Intelligence审稿人,Applied Computing and Informatics审稿人,AIIPCC-2021程序委员会委员。

朱芮,吉林大学计算机科学与技术学院本硕博连读研究生,于今年12月获得博士学位。研究方向:图像处理、医学图像融合。目前以第一作者身份发表SCI论文4篇(包括中科院TOP 1区论文2篇),CCF-B类会议论文在投1篇,承担校级创新项目1项,参与发表SCI论文3篇、EI论文1篇、国家专利1项。CCF会员,IEEE会员。

于爽,吉林大学计算机科学与技术学院本硕博连读研究生,于今年12月获得博士学位。研究方向:机器学习,图像融合,深度学习。目前以第一作者身份发表SCI论文6篇(中科院1TOP论文2篇,中科院2TOP论文1篇,CCF C类期刊3篇);以第一作者身份发表CORE-B类会议1篇;以第一作者身份申请国家发明专利2项。目前在投CCF-A类会议论文2篇。获得国家留学基金委公派研究生奖学金、吉林大学研究生国家奖学金等。担任AAAI-2022程序委员会成员(PC Member)。


网址 www.zhouyiming.net 学生工作办电话:85716432 学位论文买卖、代写行为监督举报电话:85968054 学院邮箱:jsj@ccut.edu.cn

版权所有:皇冠集团99442登录入口(2024已更新)最新版本-IOS/安卓通用版 吉ICP备05002091号-1    制作维护      旧站回顾

Baidu
sogou