個人簡介：

陳云華，博士，INNS及CCF會員，碩士生導(dǎo)師，廣東工業(yè)大學副教授。主要研究方向為神經(jīng)形態(tài)類腦計算、計算機視覺、深度學習，在IEEE T COGN DEV SYST、NEURAL COMPUT、NEUROCOMPUTING、PATTERN RECOGN、J VIS COMMUN IMAGE R、CVPR、ICPR 、《中國圖象圖形學報》、《控制理論與應(yīng)用》、《計算機科學》等國內(nèi)外重要學術(shù)期刊/會議發(fā)表論文50余篇。主持省部級項目6項，獲得授權(quán)專利3項、軟件著作權(quán)1項。2016年赴英國曼切斯特大學訪學，師從ARM之父Steve Furber教授，現(xiàn)為NEURAL COMPUT、PPL INTELL、INT J MACH LEARN CYB等多個學術(shù)期刊的審稿人。

個人主頁： https://yzw.gdut.edu.cn/info/1120/1851.htm

學術(shù)兼職：

國際神經(jīng)網(wǎng)絡(luò)學會（International Neural Network Society，INNS）會員，中國計算機學會會員，中國人工智能協(xié)會可拓學專委會委員

招生領(lǐng)域：

計算機科學與技術(shù)、人工智能、軟件工程

招生方向：

一、計算機視覺方向：

 針對動態(tài)視覺傳感器（Dynamic Vision Sensor, DVS）數(shù)據(jù)，對高速運動目標進行檢測與識別的技術(shù)，包括深度學習方法和脈沖神經(jīng)網(wǎng)絡(luò)方法。

二、脈沖神經(jīng)網(wǎng)絡(luò)( Spiking Neural Network, SNN )方向：

1.  基于ANN-SNN轉(zhuǎn)換的深度SNN及其優(yōu)化。

2.  基于梯度下降的深度SNN訓練算法。

3.  基于脈沖時間依賴可塑性（Spike Timing Dependent Plasticity，STDP）的深度SNN訓練算法。

招生要求：

1.  已通過廣東工業(yè)大學及計算機學院復(fù)試。

2.  具有良好的數(shù)學基礎(chǔ)、編程能力和文字寫作能力。

3.  愿意吃苦、吃虧，有意愿攻讀博士的生源優(yōu)先考慮。

指導(dǎo)學生情況：

1.  畢業(yè)研究生去向公司有：華為技術(shù)有限公司、杭州?？低晹?shù)字技術(shù)股份有限公司等等。

2.  指導(dǎo)的碩士研究生曾獲得國家獎學金。

3.  指導(dǎo)本科創(chuàng)新項目若干項，所指導(dǎo)的本科生曾獲得第2屆感動廣工大十大人物稱號。

4.  指導(dǎo)的本科生團隊曾獲得全國并行應(yīng)用挑戰(zhàn)賽榮獲中南賽區(qū)一等獎，粵嵌杯廣東省嵌入式物聯(lián)網(wǎng)設(shè)計大賽一等獎等。

5.  目前有在研研究生9人。

團隊優(yōu)勢：

1. 新生能獲得師兄手把手的指導(dǎo)。

2. 本團隊與武漢大學、浙江大學、英國利茲大學研究團隊有著深厚的合作基礎(chǔ)，優(yōu)秀學生在畢業(yè)后將有機會進入上述團隊進一步深造。

主要項目：

1.  廣東省自然科學基金項目，轉(zhuǎn)換式深度脈沖卷積網(wǎng)絡(luò)多性能指標優(yōu)化研究，（2021A1515012233）。

2.  廣東省自然科學基金項目，連續(xù)自發(fā)式表情特征的深度學習表示研究，（2016A030313713）。

3.  廣東省自然科學基金項目，低質(zhì)量監(jiān)控視頻人臉超分辨率算法研究，（2014A030310169）。

4.  廣州市科技計劃項目，支持小間距LED顯示的多屏實時處理器系統(tǒng)的研發(fā)，（2014Y2-00211）。

5.  廣東省科技計劃項目，興寧市水口鎮(zhèn)中小微企業(yè)信息化公共服務(wù)平臺建設(shè)，（2013B040500008）。

6.  廣東省科技計劃項目，適用于惡劣環(huán)境的視頻監(jiān)控系統(tǒng)開發(fā)與產(chǎn)業(yè)化，（2014B090901061）。

代表性論文：

1. Video Small Object Detection with Long Short-Term Feature Enhancement Network. IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2023) ( Accepted).

2. Efficient Motion Symbol Detection and Multikernel Learning for AER Object Recognition. IEEE Transactions on Cognitive and Developmental Systems, 2022.

3. Tiny object detection with context enhancement and feature purification[J]. Expert Systems with Applications, 2022 .

4. An adaptive threshold mechanism for accurate and efficient deep spiking convolutional neural networks, Neurocomputing, 2022.

5. Accurate and Efficient Frame-based Event Representation for AER Object Recognition. IEEE International Joint Conference on Neural Networks (IJCNN) , 2022.

6. Novel shrinking residual convolutional neural network for efficient accurate stereo matching, Journal of Visual Communication and Image Representation, 2020.

7.  Improving the antinoise ability of DNNs via a bio-inspired noise adaptive activation function rand softplus, Neural Computation, 2019.

8.  Occlusion Expression recognition based on non-convex low-rank double dictionaries and occlusion error model. Signal Processing: Image Communication, 2019.

9.  Single image rain removal based on depth of field and sparse coding, 24th International Conference on Pattern Recognition (ICPR), 2018.

10.  An Image Rain Removal algorithm based on the depth of field  and sparse coding, depth of field and sparse coding, the 24th International Conference on Pattern Recognition (ICPR), 2018.

11.  雙向特征融合與特征選擇的遙感影像目標檢測, 電子學報，2022.

......

有興趣的同學請將簡歷發(fā)送至：  5350299@qq.com