2026.09 — 2029.06 Incoming
中国科学技术大学
信息科学技术学院 · 电子工程与信息科学系 · 硕士研究生(电子与通信工程)
研究方向聚焦多模态学习、多智能体系统、OPD、强化学习(RL)与智能信息处理,关注感知、推理、决策在复杂系统中的协同。
我关注视觉、语言与智能体决策之间的连接:如何让模型理解复杂场景,如何让多个智能体在开放环境中协同、推理与学习,以及如何把可靠的感知能力落到真实系统里。
当前希望在多模态表征、智能体协作、医学影像智能分析与强化学习方向继续深入,把算法能力转化为可解释、可验证、可部署的研究原型。
面向视网膜 OCT 图像中的积液病灶分割任务,构建医学影像智能分析流程。以 U-Net 为基线,对 U-Net、Attention U-Net 等模型进行对比实验,重点关注病灶区域、边界结构与细粒度视觉表征。
完成数据预处理、模型训练、指标评估与桌面端推理可视化,基于 Dice、IoU 等指标评估分割效果,并通过 Tkinter 实现一键推理、掩膜叠加和结果展示。
面向远程办公身份核验与考勤场景,设计 C/S 架构的人脸识别系统。前端使用 PyQt5 与 OpenCV 完成视频流采集、图像预处理和交互,后端通过 Socket 通信与 openGauss 数据库管理人员信息及打卡记录。
复现并比较 EigenFace(PCA)与 CosFace 中的 LMCL 等识别方法,基于 PyTorch 实现带大间隔余弦约束的特征学习模型。
LFW 测试集准确率 95.70%设计并实现基于 51 系列单片机与 DAC 的多波形信号发生器,支持正弦波、方波等 4 类波形输出,并实现频率、幅值与占空比调节。
完成 C 语言底层逻辑、定时器中断、查表法波形生成、LCD 交互显示与软硬件联调,为后续理解智能系统中的信号采集、控制与边缘部署打下实践基础。
Python / C / PyTorch / OpenCV / MATLAB / Linux 基础 / 深度学习 / 计算机视觉 / 多模态学习 / 多智能体系统 / 强化学习 / 医学影像分析。