陈云华，广东工业大学 计算机学院-凯发备用网址

陈云华，博士，inns及ccf会员，硕士生导师，广东工业大学副教授。主要研究方向为神经形态类脑计算、计算机视觉、深度学习，在ieee t cogn dev syst、neural comput、neurocomputing、pattern recogn、j vis commun image r、cvpr、icpr 、《中国图象图形学报》、《控制理论与应用》、《计算机科学》等国内外重要学术期刊/会议发表论文50余篇。主持省部级项目6项，获得授权专利3项、软件著作权1项。2016年赴英国曼切斯特大学访学，师从arm之父steve furber教授，现为neural comput、ppl intell、int j mach learn cyb等多个学术期刊的审稿人。

------------------------------------
作者：陈云华
来源：学者网
原文：https://www.scholat.com/vpost.html?pid=189233
本文为该学者原创文章，转载请附上文章链接！

个人凯发备用网址主页：

inns（international neural network society）会员，中国计算机学会会员，中国人工智能协会可拓学专委会委员

人工智能、计算机科学与技术、计算机技术、软件工程

一、计算机视觉方向：

       1.  针对dvs（动态视觉传感器）数据，对高速运动目标进行检测与识别的技术（包括深度学习方法和脉冲神经网络方法）；

       2.  针对传统视频图像进行处理的计算机视觉技术（包括传统方法和深度学习方法）。

二、snn ( 脉冲神经网络)方向：

       1.  基于dnn-snn转换的snn及其优化；

       2.  基于梯度下降的snn训练算法；

       3.  基于stdp的snn训练算法。

      1.  已通过广东工业大学及计算机学院复试；

      2.  具有良好的数学基础、编程能力和文字写作能力；

      3.  愿意吃苦、吃亏，坚韧不拔，有科研精神。

       1.  毕业研究生去向公司有：华为技术有限公司、杭州海康威视数字技术股份有限公司等等。

       2.  指导的硕士研究生于2019年获得国家奖学金。

       3.  指导本科创新项目若干项，所指导的本科生曾于2014年获得第2届“感动广工大十大人物”称号。

       4.  指导的本科生团队参加2014“全国并行应用挑战赛”荣获中南赛区一等奖，参加2012“粤嵌杯”广东省嵌入式物联网设计大赛荣获一等奖。

          ......

       1. 广东省自然科学基金项目，事件驱动的低延迟低功耗视觉表示与特征学习,（2025a1515012243）。

       2. 广东省自然科学基金项目，转换式深度脉冲卷积网络多性能指标优化研究，（2021a1515012233）。

       3.  广东省自然科学基金项目，连续自发式表情特征的深度学习表示研究，（2016a030313713）。

       4.  广东省自然科学基金项目，低质量监控视频人脸超分辨率算法研究，（2014a030310169）。

       5.  广州市科技计划项目，支持小间距led显示的多屏实时处理器系统的研发，（2014y2-00211）。

       6.  广东省科技计划项目，兴宁市水口镇中小微企业信息化公共服务平台建设，（2013b040500008）。

       7.  广东省科技计划项目，适用于恶劣环境的视频监控系统开发与产业化，（2014b090901061）。

1. high-performance deep spiking neural networks via at-most-two-spike exponential coding. neural networks . 2024.

2. video small object detection with long short-term feature enhancement network. ieee conference on computer vision and pattern recognition (cvpr 2023) .

3. efficient motion symbol detection and multikernel learning for aer object recognition. ieee transactions on cognitive and developmental systems, 2022.

4. tiny object detection with context enhancement and feature purification[j]. expert systems with applications, 2022 .

5. an adaptive threshold mechanism for accurate and efficient deep spiking convolutional neural networks, neurocomputing, 2022.

6. accurate and efficient frame-based event representation for aer object recognition. ieee international joint conference on neural networks (ijcnn) , 2022.

7. novel shrinking residual convolutional neural network for efficient accurate stereo matching, journal of visual communication and image representation, 2020.

8.  improving the antinoise ability of dnns via a bio-inspired noise adaptive activation function rand softplus, neural computation, 2019.

9.  occlusion expression recognition based on non-convex low-rank double dictionaries and occlusion error model. signal processing: image communication, 2019.

10.  single image rain removal based on depth of field and sparse coding, 24th international conference on pattern recognition (icpr), 2018.

11.   双向特征融合与特征选择的遥感影像目标检测, 电子学报，2022.

......

有兴趣的同学请将简历发送至：  5350299@qq.com