Experience
Education
Bio
特聘研究员,2018年进入北航长聘系列,长期从事复杂背景下快速小目标检测与识别研究,目前尤其关注控制理论和深度学习的结合。证明了混合高斯波函数的不确定性上界,发表在顶刊IJCV(领域第一11.54);提出局部模式构建的一系列的原创模型。
研究成果1:提出多高斯不确定性理论。国际上首次证明混合高斯波函数的不确定性上界,是经典理论的一般性扩展。相关论文一作发表于视觉领域顶刊IJCV,2016年大陆学者一作正刊仅有6篇。
学术成果2:独立提出调制卷积神经网络,在深度模型压缩方面理论与工程实现处于领先位置;在1-bit深度模型压缩方面在大型数据集合上取得世界上最好的性能,并进行推广。
学术成果3:发现了梯度下降算法的多变量独立假设存在理论缺陷,由于变量上约束不同(稀疏性),导致了不同变量收敛速度的不一致性,即存在相关性。提出了协同梯度下降算法(CoGradient Descent,CVPR2020),引入投影映射法协同不同变量间的收敛速度,实现更加充分的训练。