研究方向

基于视觉图像分类任务场景的连续学习应用与挑战 随着大量的图像数据源不断涌现，例如社交媒体、医学图像和卫星图像等，计算机视觉系统需要能够持续地适应新的类别、场景或模式。然而，传统的深度学习模型在面对新数据或新任务时，往往会出现“灾难性遗忘”，即在学习新知识时遗忘原有的知识。这在图像分类任务中尤为明显，因为图像的特征和模式是多变和复杂的。本课题将深入探索连续学习或终身学习在计算机视觉的图像分类任务中的应用。在评估现有连续学习策略在图像分类中的表现和局限性的基础上，深入研究如何更有效地整合这些方法，以及探索新的方法，以应对图像分类中的特定挑战。

 

相关学科

计算机科学技术

关键词

计算机视觉，图像分类，连续学习

 

科研导师

H. W

• 电子科技大学计算机科学博士，本科荣获四川省优秀大学毕业生，电子科技大学优秀毕业生；
• 研究领域主要包括半监督学习、数据流学习、概念漂移、新类检测、连续学习等；
• 曾参与多项国家以及企业重大项目，在数据挖掘领域会议发表论文，并担任会议审稿人。

科研成果

成果一：在英文期刊中发表学术论文

有方学者项目能够为学员在正规的英文学术期刊中发表论文。正规的学术期刊均要求由独立审稿人决定论文的录用与否。因此，论文的成功发表标志着这篇文章已达到学界公认的学术标准。有方学者最优秀的学生，不但可以冲击EI、SCI等高级别期刊，而且有机会参与全球顶级的学术会议。

成果二：第一作者身份

有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中，招生官最看重的是学生在科研项目中的参与程度，而第一作者顺位恰恰是这一点的最佳证明。近年来，有大量的中国学生在教授署名的论文中挂名，这使得第一作者身份的含金量更为突出。

成果三：独一无二的课题

有方学者项目的导师会为每个学生提供独一无二的课题，连接最前沿的科研方法和学生感兴趣的学术方向，每个学生的研究内容具有差异性。

成果四：顶尖院校导师的推荐信

有方学者项目将为学生提供项目导师撰写的推荐信。导师作为推荐人，来自于美国顶尖学府的科研团队，影响着推荐信的可信度；而导师所提供的丰富的细节和生动的描述能更好展现学生的过人之处，从而大大提高了推荐信的价值。

成果五：高效备战具有高影响力、高含金量的科研竞赛

学生可以直接使用有方学者项目的成果论文冲击多项全球顶级的科研赛事，其中包括：被誉为“中国青年的诺贝尔奖”的丘成桐科学奖、ISEF 国际科学与工程奖、全国青少年科技创新大赛等。

 

 

了解更多详情

请扫描二维码

关注「有方背景提升」