庄连生

导师介绍

姓名

庄连生

工作单位

中国科学技术大学先进技术研究院/中国科学技术信息科学技术学院

学位/职称

博士/副教授

办公室电话


Email

lszhuang@ustc.edu.cn

教育背景

1997.9 - 2001.7 中国科学技术大学,管理科学与工程,学士学位

1998.9 - 2000.7 中国科学技术大学,计算机应用,双学士学位

2001.9 - 2006.7 中国科学技术大学,电子科学与技术,工学博士

研究方向

计算机视觉,机器学习,信息安全

任职经历

2011.3-2011.11 微软亚洲研究院,访问研究员

2012.2-2013.2  加州大学伯克利分校,访问学者

2016.2-2017.2  加州大学伯克利分校,访问学者

获得荣誉、奖项

HHME 2014 最佳论文奖,2014

张宗植青年教师奖,2017

ChinaMM2018最佳审稿人奖,2018

主持、参与项目

(主持)国家自然科学基金面上项目,面向非完备信息机器博弈的知识驱动深度强化学习方法研究,2020-2023

(参与)科技创新2030“新一代人工智能”重大项目(即:国家重点研发计划项目),跨媒体因果推断理论与方法(2018AAA0100600),2019-2022

(主持)国家自然科学基金面上项目,复杂场景下非合作目标鲁棒识别方法研究,2015-2018

(主持)国家自然科学基金青年项目,基于稀疏表示的高效鲁棒大规模物体识别方法研究,2012-2014

(参与)国家自然科学基金重点项目,面向Web的社会网络理论与方法研究,2010-2013.

 

论文、著作

1.          Dynamic Cascaded Regression Network with   Reinforcement Learning for Robust Face Alignment, ICME, 2019

2.          Learning Motion-Aware Policies for Robust   Visual Tracking, ICME, 2019

3.          A Feature-Adaptive Semi-Supervised   Framework for Co-saliency Detection, ACM Multimedia, 2018.

4.          CCNet: Cluster-Coordinated Net for Learning   Multi-agent Communication Protocols with Reinforcement Learning, ACML, 2018

5.          Label Information Guided Graph Construction   for Semi-Supervised Learning, IEEE Trans. on Image Processing, Vol.26, No.9,   2017: 4182-4192; 

6.          Constructing a Non-Negative Low-Rank and   Sparse Graph with Data-Adaptive Features”,IEEE Trans. on Image Processing, Vol.24,   No.11, 2015: 3717-3727; 

7.          Sparse Illumination Learning and Transfer   for Single-Sample Face Recognition with Image Corruption and Misalignment,   International Journal of Computer Vision (IJCV), Vol.114, 2015:272-287. 

8.          Neither Global Nor Local: Regularized   Patch-Based Representation for Single Sample Per Person Face Recognition, International   Journal of Computer Vision (IJCV), Vol.111, 2015:365-383;

9.          Single-Sample Face Recognition with Image   Corruption and Misalignment via Sparse Illumination Transfer, CVPR,   2013. 

10.        Non-negative low rank and sparse graph for   semi-supervised learning, CVPR, 2012.