张兆翔

中国科学院自动化研究所

浏览次数

207

收藏次数

0

接洽次数

0

  • 张兆翔
  • 研究员

简 历:

简历

教育经历

2000.9-2004.7: 中国科学技术大学电子科学与技术系,理学学士

2004.9-2009.7: 中国科学院自动化研究所,工学博士

工作经历

2009.7—2015.7: 北京航空航天大学计算机学院,历任讲师、硕士生导师、副教授、系副主任

2015年7月至今: 中国科学院自动化研究所,研究员

学术任职

IEEE Senior Member (2015至今)

Associate Editor, Journal of NeuroComputing (2015至今)

Associate Editor, Journal of IEEE Access (2015至今)

Youth Associate Editor, Journal of FCS (2015至今)

中国人工智能学会学术工作委员会委员

中国人工智能学会模式识别专委会副秘书长

中国图像图形学会会员发展与服务委员会副主任

学术成就

致力于图像视频分析与理解的理论与方法研究,以智能视觉监控为应用背景,以信息整合为手段,以提升视觉算法准确性和鲁棒性为目的开展了系统的 科研工作,取得了一系列创新成果,入选 “教育部新世纪优秀人才支持计划”、“北京市青年英才计划”、“微软青年学者铸星计划”,是“中国科学院脑科学 与智能技术卓越创新中心”年轻骨干。 申请人在《IEEE T-IP》、《IEEE T-CSVT》、CVPR等本领域主流期刊与会议上发表或录用论文83篇,包括SCI收 录期刊论文32篇,IEEE汇刊15篇,中国计算机学会(CCF)推荐的A类/B类期刊与会议论文35篇。

研究兴趣

1、基于认知机理和脑启发的视觉计算方法研究

以面向大数据的智能视觉监控等为应用背景,开展基于视觉认知机理和脑启发的视觉计算方法研究,研究视觉计算的整体化感知与层次化表达机制,研 究视觉计算不同层次间的相互导出和反馈机制,利用大数据冗余信息构建高性能的视觉计算模型。

2、多尺度类脑神经网络计算模型研究

人工神经网络伴随着人工智能学科的成长取得了长足的发展,以深度学习为代表神经网络方法目前在各种视听觉应用中取得突破。但深度神经网络与人 脑的架构、机制、功能等各方面存在显著差异。如何借鉴和模仿人脑,构建多尺度的类脑神经网络,对不同功能区进行模块化整合,突破深度神经网络 现有的局限性,是我们重点研究的问题。

3、类人自主学习方法研究

人的学习机制在宏观上存在高度自主性特色,能够对已有知识进行归纳和总结,并举一反三、触类旁通的应用于其他问题。我们主要借鉴人的学习特性 ,开展基于大样本的学习模型构建和基于小样本的模型自适应,引入长期学习机制,探讨学习目标随着时间、任务变化的自适应性,进而达到类人自主 学习的目标。

4、以多模态感知为应用背景的示范应用

多模态数据之间存在互补性,即便是同种模态如视觉数据,也存在不同领域数据的耦合问题。我们以多模态感知为应用背景,借鉴人脑机制和视觉特性 ,开展类脑神经网络和类人学习机制的应用,并通过应用验证相关理论的可行性和优越性。

代表性论文

1. Jie Qin, Li Liu, Zhaoxiang Zhang, Yunhong Wang and Ling Shao* (2016), Compressive Sequential Learning for Action Similarity Labeling, IEEE Transactions on Image Processing,

2. Jiaxin Chen, Zhaoxiang Zhang*, Yunhong Wang (2015): Relevance Metric Learning for Person Re-Identification by Exploiting Listwise Similarities. IEEE Transactions on Image Processing 24(12): 4741-4755

3. Zhaoxiang Zhang*, Tieniu Tan, Kaiqi Huang, Yunhong Wang (2013): Practical Camera Calibration From Moving Objects for Traffic Scene Surveillance. IEEE Trans. Circuits Syst. Video Techn. 23(3): 518-533

4. Maodi Hu, Yunhong Wang, Zhaoxiang Zhang* (2013), De Zhang, James J. Little: Incremental Learning for Video-Based Gait Recognition With LBP Flow. IEEE T. Cybernetics 43(1): 77-89

5. Zhaoxiang Zhang*, Yuhang Zhao, Yunhong Wang, Jianyun Liu, Zhenjun Yao, Jun Tang (2013): Transferring Training Instances for Convenient Cross- View Object Classification in Surveillance. IEEE Transactions on Information Forensics and Security 8(10): 1632-1641

6. Maodi Hu, Yunhong Wang, Zhaoxiang Zhang*, James J. Little, Di Huang (2013): View-Invariant Discriminative Projection for Multi-View Gait-Based Human Identification. IEEE Transactions on Information Forensics and Security 8(12): 2034-2045

7. Peijiang Liu*, Yunhong Wang, Di Huang, Zhaoxiang Zhang, Liming Chen (2013): Learning the Spherical Harmonic Features for 3-D Face Recognition. IEEE Transactions on Image Processing 22(3): 914-925

8. Zhaoxiang Zhang*, Tieniu Tan, Kaiqi Huang, Yunhong Wang (2012): Three-Dimensional Deformable-Model-Based Localization and Recognition of Road Vehicles. IEEE Transactions on Image Processing 21(1): 1-13

9. Yunhong Wang, Zhaoxiang Zhang*, Weixin Li, Fangyuan Jiang (2012): Combining Tensor Space Analysis and Active Appearance Models for Aging Effect Simulation on Face Images. IEEE Transactions on Systems, Man, and Cybernetics, Part B 42(4): 1107-1118

10. Maodi Hu*, Yunhong Wang, Zhaoxiang Zhang, De Zhang (2011): Gait-Based Gender Classification Using Mixed Conditional Random Field. IEEE Transactions on Systems, Man, and Cybernetics, Part B 41(5): 1429-1439

在研课题

1. 基于多任务学习的跨视角视频分析理论与方法研究,国家自然科学基金面上项目

2. 跨视角视频分析与识别,MSRA高校合作项目

3. 基于迁移学习的行为识别理论与方法,国家自然科学基金国际合作与交流项目

4. 类脑视觉感知通路计算,中国科学院先导B项目

社会任职:研究方向:承担科研项目情况:代表论著:获奖及荣誉: