• 其他栏目

    王国庆

    • 教师(特聘) 博士生导师
    • 性别:男
    • 毕业院校:新南威尔士大学
    • 学历:博士研究生毕业
    • 学位:哲学博士学位
    • 在职信息:在岗
    • 所在单位:计算机科学与工程学院(网络空间安全学院)
    • 入职时间: 2021-04-06
    • 办公地点:清水河校区创新中心A310
    • 电子邮箱:

    访问量:

    开通时间:..

    最后更新时间:..

    个人简介

    王国庆,现为电子科技大学计算机科学与工程学院特聘教授,博士生导师。博士毕业于澳大利亚新南威尔士大学。

    主研方向为智能感知与无人系统,研究能够处理“看不清”、“看不全”、“未见过”等挑战场景的智能感知算法,研究多模态融合感知中的多源信息关联与知识迁移方法,设计具备“可解释性”、“对抗攻击鲁棒性”、“轻量易部署”等特点的表示学习网络模型。最终,将所设计模型应用于多场景智能无人系统设计。

    围绕上述问题,近年来在IJCV / IEEE TIP/ IEEE TIFS等中科院JCR一区TOP期刊和ICCV等CCF-A类国际会议共计发表学术论文30余篇,多项研究工作得到CSIRO专栏报道。申请(含授权)国家发明专利5项,出版学术专著2部。曾获得Australian Dean's Award for Outstanding PhD Theses新南威尔士优秀学生、江苏省优秀硕士论文、CSIRO亮点论文等荣誉。主持/主研多项国家级科研项目,包括科技部科技创新2030-“新一代人工智能”重大项目、JWKJW重点项目、澳大利亚国家研发计划项目等。多项研究成果作为核心技术方案应用于静脉显影仪、高安全身份认证设备、无人救援车辆等智能系统设计,相关产品应用于7个省份的包括医院、银行、学校等在内的30余家单位。

    担任Cognitive Computation and Systems、电子科技大学学报等国内外知名期刊客座编委,担任IEEE TAMI、IJCV、IEEE TIP、IEEE TIFS、IEEE TMM等国际顶级期刊审稿人,担任CVPR、ICCV、ACM MM、AAAI、IJCAI等CCF-A类会议程序委员会委员,担任国际工程机器人联盟秘书。


    其他联系方式

    邮箱 :

    教育经历

    2017.9 -- 2021.1
    新南威尔士大学       计算机科学与工程       博士研究生毕业       哲学博士学位

    2014.9 -- 2017.6
    中国矿业大学       控制工程       硕士研究生毕业       工程硕士专业学位

    2010.9 -- 2014.6
    中国矿业大学       信息工程       大学本科毕业       工学学士学位

    社会兼职

  • 1. Cognitive Computation and System 客座编辑(Guest Editor)
    2. 电子科技大学学报 专栏编委
    2. IEEE TPAMI,TIP,TIFS,TMM以及IJCV、CVIU等一流期刊审稿人
    3. CVPR、ICCV、ACM MM,AAAI、IJCAI等CCF-A类会议PC Member

  • 研究方向

  • 1. 智能感知与无人驾驶 :
    [a] 感知方向,包括行人感知/车辆感知/道路感知/交通标志识别等;
    [b] 行为预测与路径规划方向;
    [c] 面向自动驾驶任务的机器学习基础方法研究方向;
    [d] 面向自动驾驶中模型部署的深度网络设计方向;
    [e] 场景建图方向;
    [f] 驾驶员身份认证和情感计算方向)

  • 2. 智能感知与视频监控
    [a] 感知任务:重识别 / 姿态估计 / 检测与跟踪 / 行为和轨迹预测
    [b] 感知场景:正常场景 | 遮挡与小目标场景 | 恶劣天气场景
    [c] 感知方式:多摄像头融合 | 多视角融合

  • 3. 智能感知与水下机器人
    [a] 感知方向:RGB摄像头与SONAR单一或融合驱动的水下感知与建图任务
    [b] 控制方向:融合“感知+预测+规划”的多任务学习 | 人机协同控制

  • 4. 智能感知与卫星遥感
    [a] 感知任务:语义分割 | 目标识别 | 目标检测与跟踪 | 目标行为预测
    [b] 感知场景:小目标 | 遮挡目标 | 多目标 | 恶劣天气

  • 5. 智能感知与信息安全
    [a] 信息隐写方向:跨模态信息隐写 | 隐写检测
    [b] Deep Fake方向:语音-视觉融合自监督表示学习 | 图像/视频合成 | Deep Fake检测

  • 6. Low-Level Vision:
    [a] 图像视频 复原与增强
    [b] 显著性检测与深度估计
    [c] 特征点检测与匹配建图

  • 7. 机器学习方法研究(自监督/半监督 表示学习 | 多任务学习 | 主动学习 | 知识蒸馏 | 持续学习 | 联邦学习)

  • 8. 新型视觉传感方法及传感数据智能计算

  • 9. 计算机视觉 / 机器学习 / 图像处理 领域其他方向