张强

个人信息:Personal Information

教授 博士生导师 研究生导师

性别:男

毕业院校:西安电子科技大学

学历:博士研究生毕业

学位:博士学位

在职信息:在岗

所在单位:机电工程学院

学科:控制理论与控制工程

办公地点:北校区主楼三区240

联系方式:13759945917

电子邮箱:

扫描关注

研究领域

当前位置:中文主页>>科学研究>>研究领域

课题组近5年在多项国家自然科学基金项目的资助下,在多传感器图像/视频融合、单模态/多模态图像显著性目标检测、多模态图像语义分割、多模态医学图像分割、多模态目标跟踪、跨模态行人重识别、伪装目标检测等多模态图像处理及相关计算机视觉任务方面进行了深入、系统地研究,取得了一系列创新性研究成果。


  • 基于伪装机制的伪装目标检测从伪装机制的角度重新审视伪装目标检测任务,首次尝试以一种去伪装的方式发现目标物体。相应成果被IEEE TCSVT接收。


  • 基于特征级模态补偿的可见光-红外跨模态行人重识别:在特征级而非图像级补偿缺失模态的特有信息, 通过补偿具有辨别力的模态特有特征来减小模态差异和丰富辨别特征,以利于跨模态行人重识别。相应成果被CVPR2022录取。

  • 基于跨模态知识蒸馏的高效RGB-T目标跟踪:第一个基于深度卷积神经网络的端对端RGB-T显著性目标检测模型。提出一种跨模态知识蒸馏学习框架,并用于RGB-T目标跟踪中,相应成果被CVPR2023录取,并入选Highligh work(录取率为2.5%)


  • 基于多层卷积特征融合的RGB-T多模态图像显著目标检测:第一个基于深度卷积神经网络的端对端RGB-T显著性目标检测模型。相应成果已发表在《IEEE Transactions on Image Processing》。

  • 基于质量感知的RGB-D显著性目标检测:相关成果发表在《IEEE Transactions on Multimedia》、《IEEETransactions on Circuits and Systems for Video Technology等期刊


  • 轻量化RGB-D 显著性目标检测:首次从模型框架的角度进行RGB-D图像显著目标检测模型的轻量化设计,提出了一种新的中间层融合结构实现RGB-D图像显著性目检测。相应成果被《IEEE Transactions on Image Processing》期刊接收。

  • 基于双向模态差异缩减的RGB-T多模态图像语义分割:相应成果已发表在《IEEE Conference on Computer Vision and Pattern Recognition》(2021),其扩展版被《IEEE Transactions on Neural Networks and Learning Systems》接收(2022)。



  • 基于互补和干扰感知的RGB-T多模态图像目标跟踪:相应成果已发表在《IEEE Transactions on Circuits and Systems for Video Technology》。


  • 基于多模态特征学习的MRI脑瘤图像分割:相应成果发表在《IEEE Transactions on Image Processing, 《Pattern Recognition等期刊。

  • 基于二分流部分-目标匹配的深度显著性目标检测:首次将胶囊网络用于稠密预测视觉任务中。相应成果发表《IEEE International Conference on Computer Vision 2019》,其扩展版本被《IEEE Transactions on Pattern Analysis and Machine Intelligence》期刊接收。


Baidu
map