Skills

• CET-6: 451，CET-4: 519，具备良好的英文文献阅读能力.
• 具有不错的数学基础，具有扎实的编程能力，熟悉掌握Python语言，熟练使用Pytorch深度学习框架、OpenCV算法和Halcon软件.
• 熟悉模式识别、图像分类、语义分割、目标检测等计算机视觉主流方向，以及相关的深度网络模型，例如ResNet、GCN、Transformer等.
• 熟悉机器学习主流算法，例如支持向量机、K-近邻、决策树、半监督学习、对比学习、自监督学习等.
• 研究生期间接受过完整的科研训练，独立完成2篇SCI论文，熟练掌握各种科研工具，例如Word、Latex、MythType、Visio、EndNote和Zotero等，具备独立开展科研工作的能力.
• 善于发现问题、解决问题和总结问题，具有较强的学习能力和适应能力. 做事严谨且逻辑性强，为人踏实，具有较好的自驱力和科研热情，同时具有一定的领导能力.
• 具有较强的学习能力，养成了适合自己的学习方法，可以较快地上手全新领域的工作.

Research Proposal

• 研究动机1：图片/视频分类作为计算机视觉领域内主流且经典的任务，具有很高的研究价值和广阔的应用前景. 近年来，基于骨架数据的行为识别和群体行为识别收到了研究人员的广泛关注. 同时，目标检测和行人重识别这样的经典计算机视觉任务也在不断发展.

• 研究方向1：骨架行为识别、群体行为识别、目标检测、行人重识别等.

• 研究动机2：多模态数据融合是计算机视觉领域内的一个热门研究方向，也是未来发展的趋势. 受限于标签数据的获取，半监督和自监督的学习范式同样是未来发展的趋势.

• 研究方向2：多模态融合、半监督学习、自监督学习等.

• 研究动机3：得益于研究生期间的学习，对于机器学习和计算机视觉的研究产生的很高的研究热情，也具备了独立开展科研工作的能力，希望在博士阶段同样继续机器学习或者计算机视觉相关的热点研究方向.

• 研究方向3：图像修复、视频生成、机器学习、计算机视觉.

• 研究方法：首先，通过阅读综述文献去充分调研当前邻域内的研究状况、发展方向和已存在的问题. 然后，学习并掌握对应领域内的主流算法(网络)，例如ResNet、GCN、Transformer、FixMatch、Contrastive Learning等. 最后，有针对性地解决当下存在的问题，并尝试突破当前领域内的固有研究思路，形成独特的、具有启发性的研究方向. 

• 研究成果：博士期间预计发表3-4篇高质量英文论文.

Academic Experience

• 参加2023年中国机器学习大会 (China Conference on Machine Learning, CCML).
• 参加2023年视觉与学习青年学者研讨会(Vision And Learning SEminar, VALSE).
• 兼职参与TCSVT、EAAI、NCAA和合肥学院学报审稿工作.
• 担任2022-2023学年合肥学院人工智能与大数据学院研究生课程《计算机视觉》的课程助教.
• 指导2018级和2019级合肥学院人工智能与大数据学院本科生工程实训项目和毕业设计项目.
• 主持多次课题组内部的学术汇报交流研讨会，包括机器学习算法汇报、基于LeNet的手写数字识别实验、已发表的论文分享会等.
  [Wok1][Wok2][Wok3][Wok4][Wok5][Wok6]

Scholarships

• 2023年合肥学院研究生学业奖学金, 一等奖, 1.2万.
• 2022年合肥学院研究生学业奖学金, 一等奖, 1.2万.
• 2021年合肥学院研究生学业奖学金, 三等奖, 0.8万.