專家信息：

顏成鋼，男，教授，博士生導(dǎo)師，杭州電子科技大學(xué)“智能信息處理”實驗室主任，“****獎勵計劃”青年學(xué)者，浙江省“錢江學(xué)者”特聘教授，浙江省杰出青年基金獲得者，浙江省“151人才工程”第一層次，浙江省高校中青年學(xué)科帶頭人重點資助，國家111引智基地副主任，教育部檢測儀表和自動化工程中心副主任，杭州電子科技大學(xué)科技處副處長。

杭州電子科技大學(xué)“智能信息處理實驗室”（HDU，IIPLab）主任為顏成鋼教授，研究人員包括張繼勇、殷海兵、劉鑫、劉炳濤、侯佳、楊德富、黃曉峰、周曉飛、胡冀，孫垚棋等10余名教師，包括“****獎勵計劃”青年學(xué)者、國家“****”特聘教授、浙江省“錢江學(xué)者”特聘教授、浙江省杰出青年基金獲得者、浙江省“151人才工程”第一層次、浙江省高校中青年學(xué)科帶頭人重點資助等多名省部級國家級人才。

杭州電子科技大學(xué)“智能信息處理實驗室”，畢業(yè)生多前往阿里、�？�、華為等國內(nèi)知名大公司任職。實驗室采用與海內(nèi)外知名高校研究所（美國北卡羅來納大學(xué)教堂山分校、悉尼科技大學(xué)、清華大學(xué)等）聯(lián)合培養(yǎng)制。實驗室長期致力于智能信息處理方面的研究，實驗室承擔(dān)或參與國家重點研發(fā)計劃、國家自然科學(xué)基金等多個國家級項目。近三年，實驗室在領(lǐng)域頂級國際期刊（如IEEE TMM, IEEE TIP, IEEE TCSVT等）以及領(lǐng)域頂級國際會議（如AAAI, IJCAI, CVPR, ACM MM等）上發(fā)表論文60余篇，其中10篇入選ESI高被引論文，5篇入選ESI熱點論文，5次獲得國際會議最佳論文獎，研究成果獲2018年中國電子學(xué)會自然科學(xué)類一等獎和2019年國家自然科學(xué)獎二等獎。

學(xué)術(shù)兼職： 

1. 中國電子學(xué)會青工委委員。

2. 國際SCI期刊《Neuroinformatics》（影響因子2.9）的客座編委。

3. 國內(nèi)核心期刊《控制工程》的編委。

4. 國際會議International Conference on Multimedia and Expo的領(lǐng)域主席。

5. 長期擔(dān)任《IEEE Transactions on Image Processing》、《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Multimedia》、《IEEE Transactions on Circuits and Systems for Video Technology》等在內(nèi)的10余個國際權(quán)威期刊審稿人。

6.曾擔(dān)任國際會議《IEEE International Conference on Computer and Information Technology》和《IEEE International Conference on Multimedia and Expo》的程序委員會委員。

人才培養(yǎng)：

長期與海內(nèi)外知名高校研究所和企業(yè)保持良好的合作關(guān)系，培養(yǎng)了大批優(yōu)秀的本科生和研究生。

科學(xué)研究：

研究方向：

機器學(xué)習(xí)、模式識別、圖像處理、計算機視覺、計算機圖形學(xué)、醫(yī)學(xué)影像處理、生物信息處理等方面。。

承擔(dān)科研項目情況：

主持和參與國家自然科學(xué)基金儀器重大專項、國家科技支撐計劃、國家自然科學(xué)基金面上項目、國家自然科學(xué)基金青年基金、清華大學(xué)自主科研計劃、中國博士后科學(xué)基金特別資助、中國博士后科學(xué)基金面上資助一等資助等多個項目。

1. 《端云協(xié)同視頻智能計算方法與芯片架構(gòu)研究》，國家自然科學(xué)基金重點項目。

2. 《特定音視頻檢測、監(jiān)測與查控技術(shù)》，國家重點研發(fā)計劃。

3. 《HEVC快速模式選擇算法研究》，浙江省杰出青年科學(xué)基金。

4. 《無標(biāo)記運動捕捉方法與理論》，國家自然科學(xué)基金面上項目。

5. 《面向眾核處理器的HEVC并行編碼關(guān)鍵技術(shù)研究》，國家自然科學(xué)基金面上項目。

知識產(chǎn)權(quán)：

出版多本著作，其中一本著作版權(quán)出版到臺灣。

發(fā)明專利：

[1]顏成鋼,鞏鵬博,孫垚棋,張繼勇,張勇東. 一種基于手機地磁和場景圖像的室內(nèi)定位方法[P]. CN110388926B,2021-10-29.

[2]顏成鋼,涂望,金欣,孫垚棋,張繼勇,張勇東. 一種分級殘差光場視頻編碼方法[P]. CN111182312B,2021-10-29.

[3]顏成鋼,柴夏媛,呂彬彬,孫垚棋,張繼勇,李宗鵬. 一種光譜顯微成像裝置及實現(xiàn)方法[P]. CN113568156A,2021-10-29.

[4]顏成鋼,馬立棟,陳泉,孫垚棋,張繼勇,李宗鵬. 一種基于雙向注意力的偽裝物體檢測方法[P]. CN113553973A,2021-10-26.

[5]潘瀟愷,鄭博侖,顏成鋼,孫垚棋,張繼勇,李宗鵬. 一種基于可學(xué)習(xí)頻域先驗的去摩爾紋系統(tǒng)及方法[P]. CN113554566A,2021-10-26.

[6]潘瀟愷,鄭博侖,顏成鋼,孫垚棋,張繼勇,李宗鵬. 一種基于小波變換的魯棒去重影系統(tǒng)及方法[P]. CN113554567A,2021-10-26.

[7]周曉飛,郭祺華,費曉波,張繼勇,孫垚棋,顏成鋼. 一種基于人類視覺效應(yīng)的視頻質(zhì)量評價方法[P]. CN113554599A,2021-10-26.

[8]顏成鋼,王逸錚,呂彬彬,孫垚棋,張繼勇,李宗鵬. 一種基于LED陣列的光譜顯微成像裝置及其實現(xiàn)方法[P]. CN113534434A,2021-10-22.

[9]路榮豐,顏成鋼,朱尊杰,徐楓,裘健鋆,孫垚棋,張繼勇,張勇東. 一種基于室內(nèi)空間布局約束的場景模型補全方法[P]. CN113536416A,2021-10-22.

[10]路榮豐,顏成鋼,朱尊杰,徐楓,裘健鋆,孫垚棋,張繼勇,張勇東. 一種基于平面約束的室內(nèi)場景模型補全方法[P]. CN113536417A,2021-10-22.

[11]張繼勇,張鈺哲,周曉飛,孫垚棋,顏成鋼. 一種基于顯著性的交通標(biāo)志檢測方法[P]. CN113536973A,2021-10-22.

[12]張繼勇,戴浩慰,周曉飛,于龍軒,孫垚棋,顏成鋼. 一種面向360度全景圖像的顯著性目標(biāo)檢測方法[P]. CN113536977A,2021-10-22.

[13]周曉飛,陳智,張繼勇,孫垚棋,顏成鋼. 一種基于顯著性的偽裝目標(biāo)檢測方法[P]. CN113536978A,2021-10-22.

[14]顏成鋼,沈少強,孫垚棋,張繼勇,李宗鵬. 一種基于混合存儲器的聯(lián)合訓(xùn)練跨域行人重識別方法[P]. CN113536979A,2021-10-22.

[15]呂坤,顏成鋼,路統(tǒng)宇,孫垚棋,張繼勇,李宗鵬. 一種快速的室內(nèi)場景理解方法[P]. CN113536987A,2021-10-22.

[16]顏成鋼,王超怡,孫垚棋,張繼勇,李宗鵬. 一種基于雙向CNN的跨模態(tài)語義聚類方法[P]. CN113537304A,2021-10-22.

[17]路統(tǒng)宇,顏成鋼,孫垚棋,張繼勇,李宗鵬. 一種基于元學(xué)習(xí)的自監(jiān)督域適應(yīng)方法[P]. CN113537307A,2021-10-22.

[18]顏成鋼,李揚,孫垚棋,張繼勇,李宗鵬. 一種基于稀疏向量矩陣計算的神經(jīng)網(wǎng)絡(luò)加速器及加速方法[P]. CN113537488A,2021-10-22.

[19]陳泉,鄭博侖,顏成鋼,孫垚棋,張繼勇,李宗鵬. 一種基于像素分布估計的單張圖像超分辨重建系統(tǒng)及方法[P]. CN113538231A,2021-10-22.

[20]顏成鋼,方運志,姚婷婷,孫垚棋,張繼勇,李宗鵬. 一種基于生成對抗網(wǎng)絡(luò)的圖像超分辨率重構(gòu)方法[P]. CN113538236A,2021-10-22.

[21]陳泉,鄭博侖,顏成鋼,孫垚棋,張繼勇,李宗鵬. 一種基于限制性預(yù)測濾波的圖像散景渲染方法及系統(tǒng)[P]. CN113538338A,2021-10-22.

[22]顏成鋼,劉碩,高宇涵,彭開來,孫垚棋,張繼勇,李宗鵬. 一種基于雙型U-Net模型的醫(yī)學(xué)圖像分割方法[P]. CN113538346A,2021-10-22.

[23]張繼勇,呂成濤,顏成鋼,孫垚棋,李宗鵬. 一種使用自適應(yīng)特征融合的RGB-D顯著目標(biāo)檢測方法[P]. CN113538442A,2021-10-22.

[24]張繼勇,呂成濤,顏成鋼,孫垚棋,李宗鵬. 一種使用過濾融合的圖像顯著目標(biāo)檢測方法[P]. CN113538443A,2021-10-22.

[25]顏成鋼,裘健鋆,路榮豐,孫垚棋,張繼勇,李宗鵬. 一種基于空洞卷積的并行空間金字塔模型圖像分割方法[P]. CN113538444A,2021-10-22.

[26]顏成鋼,劉碩,張二四,朱晨瑞,孫垚棋,張繼勇,李宗鵬. 基于FTL損失函數(shù)和注意力的U-Net圖像分割方法[P]. CN113538458A,2021-10-22.

[27]顏成鋼,陳泉,許成浩,孫垚棋,張繼勇,李宗鵬. 一種基于深度學(xué)習(xí)的單張圖片的運動估計系統(tǒng)及方法[P]. CN113538505A,2021-10-22.

[28]顏成鋼,呂坤,路統(tǒng)宇,孫垚棋,張繼勇,李宗鵬. 一種組件級別的三維場景理解方法[P]. CN113538657A,2021-10-22.

[29]顏成鋼,呂彬彬,孫垚棋,張繼勇,李宗鵬,張勇東. 一種快速光譜顯微成像裝置[P]. CN113514944A,2021-10-19.

[30]顏成鋼,高宇涵,張二四,孫垚棋,張繼勇,張勇東. 一種基于圖像識別的眼底照片自動檢測方法及系統(tǒng)[P]. CN113516616A,2021-10-19.

[31]顏成鋼,謝益峰,孫垚棋,張繼勇,李宗鵬,張勇東. 一種基于多任務(wù)的眼底圖像檢測方法[P]. CN113516678A,2021-10-19.

[32]金欣,涂望,李羚俊,顏成鋼,戴瓊海. 一種基于內(nèi)容自適應(yīng)的光場視頻編碼方法[P]. CN111147848B,2021-10-01.

[33]顏成鋼,朱嘉凱,王興政,陳子陽,孫垚棋,張繼勇,張勇東. 一種基于深度殘差網(wǎng)絡(luò)的糖尿病性視網(wǎng)膜病變檢測的方法[P]. CN110236483B,2021-09-28.

[34]顏成鋼,李明珠,孫垚棋,張繼勇,張勇東,沈韜. 一種基于相機定位的圖像去模糊方法[P]. CN110677556B,2021-09-28.

[35]顏成鋼,方運志,姚婷婷,孫垚棋,張繼勇,張勇東. 一種基于傅里葉疊層成像的LED矩陣校正方法[P]. CN111158131B,2021-09-28.

[36]顏成鋼,裘健鋆,路榮豐,孫垚棋,張繼勇,李宗鵬. 一種結(jié)合深度Q學(xué)習(xí)的機器人路徑學(xué)習(xí)與避障系統(tǒng)及方法[P]. CN113419524A,2021-09-21.

[37]顏成鋼,陳泉,鄭博侖,孫垚棋,張繼勇,李宗鵬. 一種基于全局信息注意力的顯著性目標(biāo)檢測方法[P]. CN113420671A,2021-09-21.

[38]張繼勇,沈坤燁,周曉飛,顏成鋼. 一種基于創(chuàng)新邊緣特征提取方法的遙感圖像顯著性檢測方法[P]. CN113408350A,2021-09-17.

[39]顏成鋼,張繼勇,滕統(tǒng),孫垚棋,李宗鵬. 一種面向夜間圖像的無參考質(zhì)量評價方法[P]. CN113409248A,2021-09-17.

[40]顏成鋼,高振,張繼勇,劉炳濤,李揚,劉娜,孫垚棋,李宗鵬. 一種基于FPGA的運動目標(biāo)識別系統(tǒng)及方法[P]. CN113409355A,2021-09-17.

[41]顏成鋼,許成浩,朱尊杰,徐楓,孫垚棋,張繼勇,李宗鵬. 一種多全景圖融合三維重建的方法[P]. CN113409442A,2021-09-17.

[42]周曉飛,費曉波,張繼勇,顏成鋼. 一種基于深度學(xué)習(xí)的無參考視頻質(zhì)量評價方法[P]. CN113411566A,2021-09-17.

[43]顏成鋼,溫洪發(fā),孫垚棋,張繼勇,李宗鵬. 一種基于動態(tài)特征選擇的RGB-D顯著目標(biāo)檢測方法[P]. CN113392727A,2021-09-14.

[44]翟春杰,楊祥宇,楊建,顏成鋼,孫垚棋. 一種基于隊列長度預(yù)測的交叉口生態(tài)駕駛優(yōu)化方法[P]. CN113393688A,2021-09-14.

[45]顏成鋼,萬斌,王廷宇,孫垚棋,張繼勇,李宗鵬. 一種基于改進模糊PID的無人機仿人控制方法[P]. CN113342023A,2021-09-03.

[46]翟春杰,樓杰棟,顏成鋼,孫垚棋. 一種基于ADHDP的燃油汽車生態(tài)自適應(yīng)巡航控制方法[P]. CN113232651A,2021-08-10.

[47]顏成鋼,樓杰棟,華超豪,孫垚棋,張繼勇,李宗鵬,張勇東. 一種音視頻大數(shù)據(jù)任務(wù)的端云協(xié)同評測系統(tǒng)[P]. CN113238928A,2021-08-10.

[48]顏成鋼,張騰,樓杰棟,姚婷婷,方運志,孫垚棋,張繼勇,張勇東,沈韜. 一種基于深度學(xué)習(xí)語義分割網(wǎng)絡(luò)的二維相位解包裹方法[P]. CN111043953B,2021-07-27.

[49]顏成鋼,鞏鵬博,史治國,鄭錦凱,孫垚棋,張繼勇,張勇東. 一種基于多層長短期記憶網(wǎng)絡(luò)的地磁室內(nèi)定位方法[P]. CN111121759B,2021-07-27.

[50]顏成鋼,黃培武,呂坤,孫垚棋,張繼勇,李宗鵬,張勇東. 一種基于EfficientDet的小麥麥穗檢測方法[P]. CN113158865A,2021-07-23.

[51]顏成鋼,張杰華,孫垚棋,張繼勇,李宗鵬,張勇東. 一種基于注意力機制與數(shù)據(jù)不平衡的跨年齡人臉識別方法[P]. CN113158866A,2021-07-23.

[52]顏成鋼,路統(tǒng)宇,戴振宇,孫垚棋,張繼勇,李宗鵬,張勇東. 一種跨域紅外目標(biāo)檢測方法[P]. CN113158943A,2021-07-23.

[53]顏成鋼,高含笑,潘瀟愷,孫垚棋,張繼勇,李宗鵬,張勇東. 一種短視頻自動生成字幕的方法及系統(tǒng)[P]. CN113159034A,2021-07-23.

[54]顏成鋼,張二四,高宇涵,朱晨瑞,孫垚棋,張繼勇,李宗鵬,張勇東. 一種基于深度學(xué)習(xí)的弱監(jiān)督語義分割方法[P]. CN113159048A,2021-07-23.

[55]顏成鋼,張二四,彭開來,朱晨瑞,孫垚棋,張繼勇,李宗鵬,張勇東. 一種基于半監(jiān)督學(xué)習(xí)的醫(yī)學(xué)圖像自動標(biāo)注方法[P]. CN113159186A,2021-07-23.

[56]顏成鋼,徐浙峰,朱尊杰,孫垚棋,張繼勇,李宗鵬,張勇東. 一種基于超像素和圖卷積網(wǎng)絡(luò)的平面分割方法[P]. CN113160177A,2021-07-23.

[57]顏成鋼,潘瀟愷,高含笑,孫垚棋,張繼勇,李宗鵬,張勇東. 一種基于注意力模塊的高動態(tài)范圍去重影成像系統(tǒng)及方法[P]. CN113160178A,2021-07-23.

[58]顏成鋼,徐浙峰,朱尊杰,李明珠,徐楓,孫垚棋,張繼勇,李宗鵬,張勇東. 一種基于動態(tài)區(qū)域卷積的圖像去模糊方法[P]. CN113160179A,2021-07-23.

[59]顏成鋼,肇恒潤,孫垚棋,張繼勇,李宗鵬,張勇東. 一種基于通道注意力機制的圖像質(zhì)量增強方法[P]. CN113160198A,2021-07-23.

[60]顏成鋼,呂坤,朱尊杰,黃培武,徐楓,孫垚棋,張繼勇,張勇東. 一種基于RGB-D傳感器的室內(nèi)三維重建方法[P]. CN113160411A,2021-07-23.

[61]顏成鋼,鄭錦凱,孫垚棋,張繼勇,張勇東. 一種基于時間和空間信息融合技術(shù)的步態(tài)重識別方法[P]. CN113139429A,2021-07-20.

[62]顏成鋼,路榮豐,裘健鋆,朱尊杰,孫垚棋,張繼勇,張勇東. 一種基于深度圖的室內(nèi)實時三維語義分割方法[P]. CN113139965A,2021-07-20.

[63]顏成鋼,彭開來,朱晨瑞,張二四,孫垚棋,張繼勇,張勇東. 一種基于人工智能的舌象識別方法及系統(tǒng)[P]. CN113139971A,2021-07-20.

[64]顏成鋼,高宇涵,彭開來,孫垚棋,張繼勇,張勇東. 一種基于人工智能的腦卒中MRI圖像病灶區(qū)域分割方法[P]. CN113139972A,2021-07-20.

[65]顏成鋼,馬立棟,許成浩,孫垚棋,張繼勇,張勇東. 一種基于卷積神經(jīng)網(wǎng)絡(luò)的狗臉識別方法[P]. CN113128341A,2021-07-16.

[66]顏成鋼,戴振宇,路統(tǒng)宇,孫垚棋,張繼勇,張勇東. 一種基于深度學(xué)習(xí)的司機危險駕駛動作識別方法及系統(tǒng)[P]. CN113128343A,2021-07-16.

[67]顏成鋼,高宇涵,朱晨瑞,孫垚棋,張繼勇,張勇東. 一種基于視網(wǎng)膜分層數(shù)據(jù)的OCT圖像檢測方法及系統(tǒng)[P]. CN113129267A,2021-07-16.

[68]顏成鋼,彭開來,高宇涵,張二四,孫垚棋,張繼勇,張勇東. 一種基于人工智能的舌診圖像識別方法[P]. CN113130066A,2021-07-16.

[69]顏成鋼,邵碧堯,徐楓,丁貴廣,張勇東. 一種基于人工神經(jīng)網(wǎng)絡(luò)的實時場景布局識別及重建的方法[P]. CN108648224B,2021-07-13.

[70]顏成鋼,呂彬彬,吳嘉敏,孫垚棋,張繼勇,張勇東. 一種基于模糊編碼的壓縮高光譜掩膜優(yōu)化方法[P]. CN110501071B,2021-07-13.

[71]顏成鋼,林翊,孫垚棋,張繼勇,張勇東. 一種基于多視角協(xié)同關(guān)系的先天性心臟病輔助診斷方法[P]. CN110164550B,2021-07-09.

[72]顏成鋼,王濤,孫垚棋,張繼勇,張勇東. 一種電子裝置生產(chǎn)用輔助定位裝置[P]. CN113099627A,2021-07-09.

[73]顏成鋼,鞏鵬博,鄭錦凱,孫垚棋,張繼勇,張勇東. 基于門控循環(huán)神經(jīng)網(wǎng)絡(luò)和粒子濾波的地磁室內(nèi)定位方法[P]. CN113008226A,2021-06-22.

[74]翟春杰,鄭鑫磊,顏成鋼,孫垚棋. 一種基于分布式切換控制的異構(gòu)車隊協(xié)同安全控制方法[P]. CN113012459A,2021-06-22.

[75]顏成鋼,李志勝,劉炳濤,周旭,俞靈慧,陳靖文,張勇東. 一種基于圖模型的圖像壓縮感知方法[P]. CN109451314B,2021-06-08.

[76]顏成鋼,陳靖文,劉武,劉鑫晨,孫垚棋,張繼勇,張勇東. 一種基于深度攝像頭的商品檢測方法[P]. CN110276260B,2021-06-08.

[77]顏成鋼,黃智坤,李志勝,孫垚棋,張繼勇,張勇東. 一種基于SRCNN的幀間預(yù)測方法[P]. CN110177282B,2021-06-04.

[78]翟春杰,楊建,楊祥宇,顏成鋼,孫垚棋. 一種基于強化學(xué)習(xí)的電動汽車生態(tài)自適應(yīng)巡航控制系統(tǒng)[P]. CN112896161A,2021-06-04.

[79]顏成鋼,龔鏢,白俊杰,孫垚棋,張繼勇,張勇東. 一種基于多視圖散列增強哈希的三維模型特征表示方法[P]. CN112907712A,2021-06-04.

[80]顏成鋼,呂曉泉,張勇東. 基于深度學(xué)習(xí)的手勢識別的多標(biāo)簽圖像預(yù)處理方法[P]. CN108898045B,2021-05-25.

[81]顏成鋼,溫洪發(fā),孫垚棋,張繼勇,張勇東. 一種基于核稀疏表示的三維模型分類檢索方法[P]. CN110083715B,2021-05-25.

[82]顏成鋼,王瑞海,楊洪楠,王興政,孫垚棋,張繼勇,張勇東. 一種基于卷積神經(jīng)網(wǎng)絡(luò)的極端條件下的圖像修復(fù)方法[P]. CN110378845B,2021-05-25.

[83]顏成鋼,王濤,張繼勇,孫垚棋,張勇東. 提高Sb-2Se相變薄膜的熱穩(wěn)定性和結(jié)晶速度的方法[P]. CN112820822A,2021-05-18.

[84]顏成鋼,陳子陽,張繼勇,孫垚棋,張勇東. 一種基于卷積神經(jīng)網(wǎng)絡(luò)的無參考圖像質(zhì)量評價方法[P]. CN112767311A,2021-05-07.

[85]顏成鋼,馬立棟,張繼勇,孫垚棋,張勇東. 一種基于測量電容的紙張計數(shù)裝置[P]. CN112749775A,2021-05-04.

[86]顏成鋼,李揚,詹青,張繼勇,孫垚棋,張勇東. 一種基于位稀疏計算的神經(jīng)網(wǎng)絡(luò)加速方法[P]. CN112734021A,2021-04-30.

[87]顏成鋼,李志勝,劉炳濤,周旭,俞靈慧,陳靖文. 一種基于協(xié)同濾波的MiRNA-疾病關(guān)聯(lián)預(yù)測方法[P]. CN107526937B,2021-04-06.

[88]顏成鋼,王廷宇,趙崇宇,萬斌,孫垚棋,張繼勇,張勇東,蔣云良. 一種基于多示例學(xué)習(xí)的IRES序列搜尋方法[P]. CN110364223B,2021-04-06.

[89]顏成鋼,呂彬彬,王瑞海,孫垚棋,張繼勇,張勇東. 一種固定場景的像素級精度視頻圖像去抖動方法[P]. CN110536064B,2021-04-06.

[90]顏成鋼,李文超,孫垚棋,張繼勇,張勇東,沈韜. 一種基于選擇記憶的馬爾可夫模型的用戶位置預(yù)測方法[P]. CN111125551B,2021-04-06.

[91]顏成鋼,阮定,孫垚棋,張繼勇,張勇東. 一種基于圖注意力網(wǎng)絡(luò)的社交機器人識別方法[P]. CN111274491B,2021-04-06.

[92]顏成鋼,龔冰劍,朱尊杰,徐楓,孫垚棋,張繼勇,張勇東. 一種基于深度圖像的實時平面檢測及提取方法[P]. CN112614173A,2021-04-06.

[93]周曉飛,賀熠凡,張繼勇,孫垚棋,顏成鋼. 一種基于弱監(jiān)督學(xué)習(xí)的協(xié)同顯著性檢測方法[P]. CN112598043A,2021-04-02.

[94]顏成鋼,高振,劉炳濤,李揚,劉娜,孫垚棋,張繼勇,張勇東. 一種低功耗的處理器[P]. CN112486312A,2021-03-12.

[95]顏成鋼,王超怡,孫垚棋,張繼勇,張勇東. 一種基于深度學(xué)習(xí)的跨模態(tài)檢索方法[P]. CN112487822A,2021-03-12.

[96]周曉飛,王靈波,顏成鋼,孫垚棋,張繼勇. 一種基于邊緣主體融合信息的遙感目標(biāo)顯著性檢測方法[P]. CN112465815A,2021-03-09.

[97]顏成鋼,張騰,張永兵,李志勝,陳立鑫,孫垚棋,張勇東. 一種基于U-Net分割網(wǎng)絡(luò)的光學(xué)圖像相位解纏繞方法[P]. CN109886880B,2021-02-26.

[98]顏成鋼,李志勝,張永兵,張騰,趙崇宇. 一種基于深度學(xué)習(xí)的提高視頻壓縮編碼效率的方法[P]. CN107820085B,2021-02-26.

[99]顏成鋼,萬斌,王廷宇,孫垚棋,張繼勇,張勇東. 一種新型無人機路徑規(guī)劃方法[P]. CN112306097A,2021-02-02.

[100]顏成鋼,彭開來,孫垚棋,張繼勇,張勇東. 一種基于遷移學(xué)習(xí)的乳腺癌圖像檢測系統(tǒng)及方法[P]. CN112258475A,2021-01-22.

[101]顏成鋼,肇恒潤,孫垚棋,張繼勇,張勇東. 一種用于物理教學(xué)實驗的聲速測量儀[P]. CN112233508A,2021-01-15.

[102]顏成鋼,白俊杰,龔鏢,孫垚棋,張繼勇,張勇東. 基于區(qū)域關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品表面缺陷檢測方法[P]. CN112200766A,2021-01-08.

[103]顏成鋼,王廷宇,萬斌,孫垚棋,張繼勇,張勇東. 一種旋轉(zhuǎn)不變的語義信息挖掘方法[P]. CN112163111A,2021-01-01.

[104]顏成鋼,彭熠凡,方恒,白思佳,孫垚棋,張繼勇,張勇東. 一種山地自行車實時變速建議系統(tǒng)[P]. CN112158285A,2021-01-01.

[105]顏成鋼,王靈波,吳嘉琪,孫垚棋,張繼勇,張勇東. 一種基于場景圖片的目標(biāo)檢測方法[P]. CN112163490A,2021-01-01.

[106]顏成鋼,呂彬彬,孫垚棋,張繼勇,張勇東. 一種光譜顯微成像裝置[P]. CN112097905A,2020-12-18.

[107]顏成鋼,張杰華,孫垚棋,張繼勇,張勇東. 一種基于關(guān)鍵區(qū)域稀疏深度的單目深度估計方法[P]. CN112085702A,2020-12-15.

[108]顏成鋼,阮定,孫垚棋,張繼勇,張勇東. 基于超圖神經(jīng)網(wǎng)絡(luò)的藥物-標(biāo)靶相互作用預(yù)測方法[P]. CN112070277A,2020-12-11.

[109]顏成鋼,呂成濤,孫垚棋,張繼勇,張勇東. 一種基于膨脹卷積的圖像分割方法[P]. CN112053311A,2020-12-08.

[110]顏成鋼,朱嘉凱,鄭國安,陳子陽,陳安琪,孫垚棋,張繼勇,張勇東. 一種基于疊層成像的無透鏡成像裝置及其相位恢復(fù)方法[P]. CN112051247A,2020-12-08.

[111]顏成鋼,付祖賢,孫垚棋,張勇東. 基于Hadoop并行加速的分級圖分組配準(zhǔn)方法[P]. CN109801319B,2020-12-01.

[112]顏成鋼,陳利,孫垚棋,張繼勇,張勇東. 一種系泊系統(tǒng)的設(shè)計方法[P]. CN110356505B,2020-11-17.

[113]顏成鋼,涂云斌,馮欣樂,李兵,樓杰棟,彭冬亮,張勇東,王建中. 一種基于語義信息引導(dǎo)的視頻內(nèi)容描述方法[P]. CN107038221B,2020-11-17.

[114]顏成鋼,朱尊杰,李明珠,李彬,孫垚棋,張繼勇,張勇東. 一種基于局部子圖的實時回環(huán)檢測方法[P]. CN111932600A,2020-11-13.

[115]顏成鋼,鄭錦凱,陳利,鞏鵬博,孫垚棋,張繼勇,張勇東. 一種基于優(yōu)化聚類算法的跨域步態(tài)重識別方法[P]. CN111931619A,2020-11-13.

[116]顏成鋼,溫洪發(fā),周曉飛,孫垚棋,張繼勇,張勇東. 一種基于特征聚合的RGBD顯著性檢測方法[P]. CN111931787A,2020-11-13.

[117]周曉飛,顏成鋼,潘亮,賀熠凡,孫垚棋,張繼勇,張勇東. 一種基于編解碼結(jié)構(gòu)的多模態(tài)顯著性對象檢測方法[P]. CN111914852A,2020-11-10.

[118]顏成鋼,朱晨瑞,孫垚棋,張勇東. 一種基于可變焦相機的雙目視覺測距方法[P]. CN109084688B,2020-09-29.

[119]顏成鋼,俞靈慧,劉炳濤,施海南,邵碧堯,李志勝. 一種改進的基于協(xié)同過濾的miRNA-疾病關(guān)聯(lián)預(yù)測方法[P]. CN107506608B,2020-09-29.

[120]顏成鋼,張騰,張永兵,趙崇宇,李志勝. 基于圖模型的單幅圖像超分辨率輸出方法[P]. CN107680043B,2020-09-22.

[121]顏成鋼,朱尊杰,徐峰,寧瑞忻. 一種基于曼哈頓假設(shè)的場景重建方法[P]. CN107292956B,2020-09-22.

[122]顏成鋼,趙崇宇,黃海亮,付祖賢,張騰. 一種減少圖像標(biāo)簽融合冗余計算的方法[P]. CN107798680B,2020-09-22.

[123]顏成鋼,趙崇宇,周曉飛,孫垚棋,王廷宇. 一種使用檢測框?qū)崿F(xiàn)弱監(jiān)督圖像顯著性檢測的方法[P]. CN111680702A,2020-09-18.

[124]顏成鋼,萬斌,王廷宇,呂彬彬,孫垚棋,張繼勇,張勇東. 一種仿人機器人爬樓步態(tài)規(guī)劃與控制的方法[P]. CN111625002A,2020-09-04.

[125]顏成鋼,滕統(tǒng),孫垚棋,張繼勇,張勇東. 一種基于失真識別的精確無參考圖像質(zhì)量評價方法[P]. CN111612741A,2020-09-01.

[126]顏成鋼,黃智坤,王文鉛,陳安琪,孫垚棋,張繼勇,張勇東. 一種人臉圖像自動上妝方法[P]. CN111612687A,2020-09-01.

[127]顏成鋼,張二四,楊祥宇,孫垚棋,張繼勇,張勇東. 一種基于空間逐點注意力機制的場景解析方法[P]. CN111611879A,2020-09-01.

[128]顏成鋼,胡友鵬,孫垚棋,張繼勇,張勇東. 一種基于現(xiàn)有圖像語義分割模型的再優(yōu)化訓(xùn)練方法及應(yīng)用[P]. CN111612802A,2020-09-01.

[129]顏成鋼,張杰華,樓杰棟,孫垚棋,張繼勇,張勇東. 一種利用多任務(wù)互補提高深度估計準(zhǔn)確性的方法[P]. CN111612832A,2020-09-01.

[130]顏成鋼,楊祥宇,楊建,張二四,孫垚棋,張繼勇,張勇東. 一種基于T型注意力結(jié)構(gòu)的醫(yī)學(xué)圖像分割方法[P]. CN111612790A,2020-09-01.

[131]顏成鋼,姚婷婷,孫垚棋,張繼勇,張勇東. 一種基于模式識別的課堂情況評價方法[P]. CN111611854A,2020-09-01.

[132]顏成鋼,白俊杰,龔鏢,孫垚棋,張繼勇,張勇東. 特征金字塔圖卷積神經(jīng)網(wǎng)絡(luò)及其在3D點云分類中的應(yīng)用[P]. CN111612046A,2020-09-01.

[133]顏成鋼,朱尊杰,孫垚棋,張繼勇,張勇東. 一種基于生成對抗網(wǎng)絡(luò)的圖像盲去模糊方法[P]. CN111612703A,2020-09-01.

[134]顏成鋼,陳利,鞏鵬博,鄭錦凱,孫垚棋,張繼勇,張勇東. 一種基于小波變換的神經(jīng)網(wǎng)絡(luò)圖像去噪方法[P]. CN111612707A,2020-09-01.

[135]顏成鋼,王璐瑤,孫垚棋,張繼勇,張勇東. 基于ResNet和Canny的人臉口罩佩戴檢測方法[P]. CN111611874A,2020-09-01.

[136]顏成鋼,陳安琪,朱嘉凱,孫垚棋,張繼勇,張勇東. 一種基于圖論的功能腦網(wǎng)絡(luò)中樞節(jié)點的動態(tài)檢測方法[P]. CN111612746A,2020-09-01.

[137]顏成鋼,鄭錦凱,陳利,孫垚棋,張繼勇,張勇東. 一種基于無監(jiān)督學(xué)習(xí)的模型預(yù)訓(xùn)練方法[P]. CN111612146A,2020-09-01.

[138]顏成鋼,徐同坤,殷建,孫垚棋,張繼勇,張勇東. 一種基于神經(jīng)網(wǎng)絡(luò)無監(jiān)督對比學(xué)習(xí)的高效行人重識別方法[P]. CN111611880A,2020-09-01.

[139]顏成鋼,韓顧穩(wěn),孫垚棋,張繼勇,張勇東. 一種基于圖卷積神經(jīng)網(wǎng)絡(luò)的弱監(jiān)督目標(biāo)檢測方法[P]. CN111612051A,2020-09-01.

[140]顏成鋼,賀熠凡,方豪,孫垚棋,張繼勇,張勇東. 一種獲取目標(biāo)檢測數(shù)據(jù)集的通用方法[P]. CN111612045A,2020-09-01.

[141]顏成鋼,白俊杰,龔鏢,孫垚棋,張繼勇,張勇東. 一種基于多尺度特征關(guān)聯(lián)的圖像變化檢測方法[P]. CN111611861A,2020-09-01.

[142]顏成鋼,孟利選,殷建,孫垚棋,張繼勇,張勇東. 基于多時空信息融合的抗年齡干擾的人臉識別方法[P]. CN111611877A,2020-09-01.

[143]顏成鋼,熊昕,殷建,孫垚棋,張繼勇,張勇東. 一種基于全貝葉斯方法的推薦系統(tǒng)評分推薦預(yù)測方法[P]. CN111612573A,2020-09-01.

[144]顏成鋼,謝益峰,孫垚棋,張繼勇,張勇東. 一種基于深度學(xué)習(xí)的腦梗死分類方法[P]. CN111612739A,2020-09-01.

[145]顏成鋼,沈少強,孫垚棋,張繼勇,張勇東. 一種基于圖像清晰度的車輛圖像語義分割方法[P]. CN111612803A,2020-09-01.

[146]顏成鋼,謝益峰,孫垚棋,張繼勇,張勇東. 一種基于密集卷積神經(jīng)網(wǎng)絡(luò)的心電圖卒中輔助診斷方法[P]. CN111613321A,2020-09-01.

[147]顏成鋼,朱晨瑞,陳永森,孫垚棋,張繼勇,張勇東. 一種基于不等焦距的雙目視覺測距方法[P]. CN111595292A,2020-08-28.

[148]顏成鋼,萬斌,王廷宇,孫垚棋,張繼勇,張勇東. 一種無人機仿人智能控制方法[P]. CN111580550A,2020-08-25.

[149]顏成鋼,趙如彬,孫垚棋,張繼勇,張勇東. 一種基于樹莓派和嵌入式系統(tǒng)的小型門禁系統(tǒng)[P]. CN111462384A,2020-07-28.

[150]顏成鋼,涂云斌,張曦珊. 一種利用時空注意力模型的視頻內(nèi)容描述方法[P]. CN107066973B,2020-07-21.

[151]顏成鋼,邵碧堯,劉炳濤,呂曉泉,俞靈慧. 半局部社交信息miRNA-疾病關(guān)聯(lián)性預(yù)測方法[P]. CN107506617B,2020-07-21.

[152]顏成鋼,劉啟欽,黃繼昊,孫垚棋,張繼勇,張勇東. 基于高效卷積網(wǎng)絡(luò)和卷積條件隨機場的語義分割方法[P]. CN110288603B,2020-07-21.

[153]顏成鋼,趙崇宇,王廷宇,孫垚棋,張繼勇,張勇東. 一種基于分類卷積神經(jīng)網(wǎng)絡(luò)的圖像對象識別方法[P]. CN110533068B,2020-07-17.

[154]顏成鋼,盛再超,彭冬亮,薛安克. 一種基于深度學(xué)習(xí)算法進行基因關(guān)聯(lián)分析的方法[P]. CN107025386B,2020-07-17.

[155]顏成鋼,樓杰棟,孫垚棋,張繼勇,張勇東. 一種基于網(wǎng)絡(luò)反饋的圖像超分辨率學(xué)習(xí)方法[P]. CN111353938A,2020-06-30.

[156]顏成鋼,葛作鵬,劉鑫,孫垚棋,張繼勇,張勇東. 一種自適應(yīng)魯棒的灰度圖像中液位高精度檢測方法[P]. CN111353984A,2020-06-30.

[157]顏成鋼,阮定,孫垚棋,張繼勇,張勇東. 一種基于圖注意力網(wǎng)絡(luò)的社交機器人識別方法[P]. CN111274491A,2020-06-12.

[158]顏成鋼,鞏鵬博,陳利,孫垚棋,張繼勇,張勇東. 一種基于多層門控循環(huán)單元網(wǎng)絡(luò)的地磁室內(nèi)定位方法[P]. CN111256684A,2020-06-09.

[159]顏成鋼,鄭鑫磊,孫垚棋,張繼勇,張勇東. 一種基于語義分割和深度學(xué)習(xí)的圖片背景風(fēng)格遷移方法[P]. CN111242841A,2020-06-05.

[160]顏成鋼,阮定,趙明洋,孫垚棋,張繼勇,張勇東,沈韜. 一種基于FPGA的優(yōu)化有限元算法的方法[P]. CN111241733A,2020-06-05.

[161]顏成鋼,溫洪發(fā),周曉飛,孫垚棋,張繼勇,張勇東. 一種基于多尺度特征融合的RGBD顯著性檢測方法[P]. CN111242138A,2020-06-05.

[162]顏成鋼,楊東寶,孫垚棋,彭冬亮,張勇東,薛安克. 一種基于深度學(xué)習(xí)的圖像哈希編碼方法[P]. CN107016708B,2020-06-05.

[163]顏成鋼,李亞菲,蔣繼揚,徐雙,張新,孫垚棋. 一種人臉深度跟蹤裝置及實現(xiàn)方法[P]. CN107203743B,2020-06-05.

[164]顏成鋼,呂彬彬,崔凱科,孫垚棋,張繼勇,張勇東,沈韜. 一種快速多光譜成像裝置[P]. CN111198037A,2020-05-26.

[165]顏成鋼,龔鏢,白俊杰,孫垚棋,張繼勇,張勇東,沈韜. 一種基于多模態(tài)特征融合的三維對象融合特征表示方法[P]. CN111191729A,2020-05-22.

[166]顏成鋼,張二四,孫垚棋,張繼勇,張勇東. 基于Labview的產(chǎn)品缺陷檢測方法[P]. CN111189836A,2020-05-22.

[167]顏成鋼,溫洪發(fā),孫垚棋,張繼勇,張勇東,韓衛(wèi)東. 一種利用多重隱式反饋實現(xiàn)個性化推薦的方法[P]. CN111177580A,2020-05-19.

[168]顏成鋼,王廷宇,孫垚棋,張繼勇,張勇東. 基于卷積神經(jīng)網(wǎng)絡(luò)的自適應(yīng)分組卷積模塊設(shè)計方法[P]. CN111178510A,2020-05-19.

[169]顏成鋼,李揚,劉炳濤,孫垚棋,張繼勇,張勇東,沈韜. 一種基于FPGA的軟硬件協(xié)同的加速方法[P]. CN111178518A,2020-05-19.

[170]顏成鋼,涂望,金欣,孫垚棋,張繼勇,張勇東. 一種分級殘差光場視頻編碼方法[P]. CN111182312A,2020-05-19.

[171]顏成鋼,方運志,姚婷婷,孫垚棋,張繼勇,張勇東. 一種基于傅里葉疊層成像的LED矩陣校正方法[P]. CN111158131A,2020-05-15.

[172]顏成鋼,唐江平,孫垚棋,張繼勇,張勇東,肖芒. 一種基于卷積神經(jīng)網(wǎng)絡(luò)的快速人臉交換方法[P]. CN111160138A,2020-05-15.

[173]顏成鋼,陳子陽,朱嘉凱,孫垚棋,張繼勇,張勇東. 一種基于深度學(xué)習(xí)的圖像質(zhì)量評價方法[P]. CN111127386A,2020-05-08.

[174]顏成鋼,陳子陽,谷文玉,朱嘉凱,孫垚棋,張繼勇,張勇東,沈韜. 一種基于對抗生成網(wǎng)絡(luò)的無參考圖像質(zhì)量評價方法[P]. CN111127392A,2020-05-08.

[175]顏成鋼,楊祥宇,楊建,張二四,孫垚棋,張繼勇,張勇東,韓衛(wèi)東,肖芒. 一種基于循環(huán)殘差U-Net網(wǎng)絡(luò)的醫(yī)學(xué)圖像分割方法[P]. CN111127490A,2020-05-08.

[176]顏成鋼,陳子陽,谷文玉,孫垚棋,張繼勇,張勇東. 一種基于對抗生成網(wǎng)絡(luò)的無參考圖像質(zhì)量地圖生成方法[P]. CN111127587A,2020-05-08.

[177]顏成鋼,高振,朱尊杰,班冰冰,孫垚棋,張繼勇,張勇東,肖芒. 一種人臉三維重建方法[P]. CN111127642A,2020-05-08.

[178]顏成鋼,鞏鵬博,鄭錦凱,孫垚棋,張繼勇,張勇東. 一種基于多層長短期記憶網(wǎng)絡(luò)的地磁室內(nèi)定位方法[P]. CN111121759A,2020-05-08.

[179]顏成鋼,姚婷婷,方運志,孫垚棋,張繼勇,張勇東,韓衛(wèi)東,沈韜. 一種基于孔徑掃描的多光譜疊層成像方法[P]. CN111121969A,2020-05-08.

[180]顏成鋼,李文超,孫垚棋,張繼勇,張勇東,沈韜. 一種基于選擇記憶的馬爾可夫模型的用戶位置預(yù)測方法[P]. CN111125551A,2020-05-08.

[181]顏成鋼,彭開來,孫垚棋,張繼勇,張勇東. 基于TDOA的目標(biāo)輻射源定位方法[P]. CN111123197A,2020-05-08.

[182]顏成鋼,張杰華,孫垚棋,張繼勇,張勇東. 一種提高便攜設(shè)備定位精度的方法[P]. CN111123323A,2020-05-08.

[183]顏成鋼,付祖賢,陳安琪,孫垚棋,張繼勇,張勇東,韓衛(wèi)東,于肖洋. 基于深度學(xué)習(xí)的自動實時評估嚙齒動物疼痛程度的方法[P]. CN111079839A,2020-04-28.

[184]顏成鋼,付祖賢,陳安琪,孫垚棋,張繼勇,張勇東,于肖洋. 一種嚙齒動物疼痛程度分級評估數(shù)據(jù)集的構(gòu)建方法[P]. CN111067483A,2020-04-28.

[185]顏成鋼,張騰,樓杰棟,姚婷婷,方運志,孫垚棋,張繼勇,張勇東,沈韜. 一種基于深度學(xué)習(xí)語義分割網(wǎng)絡(luò)的二維相位解包裹方法[P]. CN111043953A,2020-04-21.

[186]顏成鋼,王廷宇,孫垚棋,張繼勇,張勇東,沈韜. 一種基于圖像語義分割的損失函數(shù)及其設(shè)計方法[P]. CN110992365A,2020-04-10.

[187]顏成鋼,鄭鑫磊,孫垚棋,張繼勇,張勇東,韓衛(wèi)東. 一種基于深度學(xué)習(xí)的胸腔器官分割方法[P]. CN110992373A,2020-04-10.

[188]顏成鋼,楊建,孫垚棋,張繼勇,張勇東,王曉冬. 一種基于WIFI通信的多臺電機同步控制系統(tǒng)[P]. CN110971150A,2020-04-07.

[189]顏成鋼,王瑞海,高宇涵,孫垚棋,張繼勇,張勇東,沈韜. 一種基于傅里葉疊層成像的遠(yuǎn)場超分辨率重建方法[P]. CN110942423A,2020-03-31.

[190]顏成鋼,李明珠,孫垚棋,張繼勇,張勇東. 一種提高TOF相機對運動模糊魯棒性的方法[P]. CN110942430A,2020-03-31.

[191]胡冀,顏成鋼,彭冬亮,吳建鋒. 一種免閾值設(shè)定的靜息態(tài)功能腦網(wǎng)絡(luò)構(gòu)建方法[P]. CN108921286B,2020-03-31.

[192]顏成鋼,陳利,黃曉峰,鄭錦凱,孫垚棋,張繼勇,張勇東,王曉冬,沈韜. 一種基于圖像融合的低光照圖像增強方法[P]. CN110930341A,2020-03-27.

[193]顏成鋼,黃智坤,王文鉛,高宇涵,孫垚棋,張繼勇,張勇東. 一種基于深度學(xué)習(xí)的行人重識別方法[P]. CN110929558A,2020-03-27.

[194]顏成鋼,高宇涵,王瑞海,孫垚棋,張繼勇,張勇東. 一種基于改進Hough變換的答題卡識別方法[P]. CN110929562A,2020-03-27.

[195]顏成鋼,樓杰棟,孫垚棋,張繼勇,張勇東. 一種基于多尺度特征注意機制的快速顯著性檢測方法[P]. CN110929735A,2020-03-27.

[196]顏成鋼,鄭錦凱,陳利,鞏鵬博,孫垚棋,張繼勇,張勇東,韓衛(wèi)東,沈韜. 一種基于深度學(xué)習(xí)的運動模糊圖像特征匹配方法[P]. CN110929748A,2020-03-27.

[197]周曉飛,溫洪發(fā),張繼勇,顏成鋼. 一種基于深度融合的視頻顯著性檢測方法[P]. CN110909594A,2020-03-24.

[198]孔清,顏成鋼,劉彥禹,管飛,孫垚棋,張繼勇,張勇東,沈韜. 一種結(jié)合梯度和紋理特征的單目圖像深度估計方法[P]. CN110889868A,2020-03-17.

[199]顏成鋼,呂成濤,孫垚棋,張繼勇,張勇東,沈韜. 一種基于分組稀疏性的動態(tài)載荷識別方法[P]. CN110889174A,2020-03-17.

[200]顏成鋼,葛作鵬,黃曉峰,李竹,孫垚棋,張繼勇,張勇東. 一種發(fā)電機機組優(yōu)化的方法[P]. CN110866632A,2020-03-06.

[201]顏成鋼,李彬,朱尊杰,孫垚棋,張繼勇,張勇東. 一種基于深度圖編碼的重定位與回環(huán)檢測方法[P]. CN110866952A,2020-03-06.

[202]顏成鋼,張旗,桂仲林,宋家駒,孫垚棋,張繼勇,張勇東. 基于融合UWB的視覺SLAM的室內(nèi)定位與導(dǎo)航的方法[P]. CN110849367A,2020-02-28.

[203]顏成鋼,朱嘉凱,王興政,陳安琪,孫垚棋,張繼勇,張勇東. 基于深度學(xué)習(xí)的眼底圖視網(wǎng)膜黃斑水腫病變預(yù)測的方法[P]. CN110720888A,2020-01-24.

[204]顏成鋼,龔鏢,白俊杰,孫垚棋,張繼勇,張勇東,沈韜. 基于多視圖增強深度哈希的大規(guī)模圖像高速檢索方法[P]. CN110674333A,2020-01-10.

[205]顏成鋼,滕統(tǒng),李志勝,孫垚棋,張繼勇,張勇東. 基于核范數(shù)與圖模型的圖像去噪方法[P]. CN110675327A,2020-01-10.

[206]顏成鋼,韓顧穩(wěn),徐俊,姚霆,梅濤,孫垚棋,張繼勇,張勇東. 一種基于深度圖像的實時平面檢測及提取的方法[P]. CN110675360A,2020-01-10.

[207]顏成鋼,路統(tǒng)宇,邵碧堯,趙崇宇,孫垚棋,張繼勇,張勇東. 一種行人面部反欺詐方法[P]. CN110674675A,2020-01-10.

[208]顏成鋼,葉宇晨,周鐵生,孫垚棋,張繼勇,張勇東. 一種基于語義分割的道路置信估計模糊幀方法[P]. CN110674676A,2020-01-10.

[209]顏成鋼,李明珠,孫垚棋,張繼勇,張勇東,沈韜. 一種基于相機定位的圖像去模糊方法[P]. CN110677556A,2020-01-10.

[210]顏成鋼,許瑤江,宋家駒,楊淏博,孫垚棋,張繼勇,張勇東. 基于圖像識別的點滴自動報警設(shè)備及其實現(xiàn)方法[P]. CN110659558A,2020-01-07.

[211]顏成鋼,周鐵生,葉宇晨,孫垚棋,張繼勇,張勇東. 一種基于SSD的高精度識別小物體的方法[P]. CN110659664A,2020-01-07.

[212]胡冀,顏成鋼,孫垚棋,張繼勇,張勇東. 一種基于偽腦網(wǎng)絡(luò)模型下的涉恐場景識別方法[P]. CN110647905A,2020-01-03.

[213]顏成鋼,曾慶威,張錦東,朱翱宇,周東,孫垚棋,張繼勇,張勇東. 基于Faster R-CNN方法的服飾目標(biāo)檢測方法[P]. CN110647906A,2020-01-03.

[214]顏成鋼,王錚,孫垚棋,張繼勇,張勇東. 基于慣性測量裝置下的快速運動去模糊的方法[P]. CN110648285A,2020-01-03.

[215]顏成鋼,付祖賢,邵碧堯,俞靈慧,孫垚棋,張繼勇,張勇東. 基于人工神經(jīng)網(wǎng)絡(luò)的RGB圖像場景三維模型重建方法[P]. CN110633628A,2019-12-31.

[216]顏成鋼,郭凡鋒,孫垚棋,張繼勇,張勇東. 優(yōu)化PointNet對于復(fù)雜場景的識別方法[P]. CN110633640A,2019-12-31.

[217]顏成鋼,宋家駒,張旗,許瑤江,李明珠,孫垚棋,張繼勇,張勇東. 一種基于金字塔網(wǎng)絡(luò)的語義分割方法[P]. CN110633706A,2019-12-31.

[218]顏成鋼,任浩帆,孫垚棋,張繼勇,張勇東,沈韜. 一種基于深度學(xué)習(xí)和深度相機的點云語義地圖的構(gòu)建方法[P]. CN110610650A,2019-12-24.

[219]周曉飛,樓杰棟,張繼勇,孫垚棋,顏成鋼. 一種基于深度卷積網(wǎng)絡(luò)的視頻顯著性檢測方法[P]. CN110598537A,2019-12-20.

[220]顏成鋼,白俊杰,龔鏢,孫垚棋,張繼勇,張勇東. 一種基于特征金字塔的深度神經(jīng)網(wǎng)絡(luò)圖像匹配方法[P]. CN110543890A,2019-12-06.

[221]顏成鋼,萬斌,王廷宇,呂彬彬,孫垚棋,張繼勇,張勇東. 一種無人機仿人協(xié)同飛行控制器及其實現(xiàn)方法[P]. CN110531779A,2019-12-03.

[222]顏成鋼,韓顧穩(wěn),徐俊,姚霆,梅濤,孫垚棋,張繼勇,張勇東. 基于深度學(xué)習(xí)的邊框回歸的端到端弱監(jiān)督目標(biāo)檢測方法[P]. CN110533067A,2019-12-03.

[223]顏成鋼,趙崇宇,王廷宇,孫垚棋,張繼勇,張勇東. 一種基于分類卷積神經(jīng)網(wǎng)絡(luò)的圖像對象識別方法[P]. CN110533068A,2019-12-03.

[224]顏成鋼,呂彬彬,王瑞海,孫垚棋,張繼勇,張勇東. 一種固定場景的像素級精度視頻圖像去抖動方法[P]. CN110536064A,2019-12-03.

[225]顏成鋼,陳安琪,朱嘉凱,孫垚棋,張繼勇,張勇東. 一種基于多圖譜的大腦圖像分割方法[P]. CN110517222A,2019-11-29.

[226]顏成鋼,朱尊杰,任泳寧,孫垚棋,張繼勇,張勇東. 一種快速相機運動下有效匹配特征的方法[P]. CN110517301A,2019-11-29.

[227]顏成鋼,呂彬彬,吳嘉敏,孫垚棋,張繼勇,張勇東. 一種基于模糊編碼的壓縮高光譜掩膜優(yōu)化方法[P]. CN110501071A,2019-11-26.

[228]顏成鋼,滕統(tǒng),孫垚棋,張繼勇,張勇東. 一種基于圖像失真類型的圖像質(zhì)量評估的方法[P]. CN110415207A,2019-11-05.

[229]顏成鋼,俞靈慧,孫垚棋,張繼勇,張勇東. 一種基于圖卷積的視覺問答增強方法[P]. CN110399518A,2019-11-01.

[230]顏成鋼,鞏鵬博,孫垚棋,張繼勇,張勇東. 一種基于手機地磁和場景圖像的室內(nèi)定位方法[P]. CN110388926A,2019-10-29.

[231]顏成鋼,俞靈慧,孫垚棋,張繼勇,張勇東. 一種基于多模態(tài)融合的視覺問答融合增強方法[P]. CN110377710A,2019-10-25.

[232]顏成鋼,王瑞海,楊洪楠,王興政,孫垚棋,張繼勇,張勇東. 一種基于卷積神經(jīng)網(wǎng)絡(luò)的極端條件下的圖像修復(fù)方法[P]. CN110378845A,2019-10-25.

[233]顏成鋼,楊洪楠,王瑞海,孫垚棋,張繼勇,張勇東. 一種基于殘差回歸網(wǎng)絡(luò)的單目標(biāo)跟蹤方法[P]. CN110378938A,2019-10-25.

[234]顏成鋼,王瑞海,呂彬彬,王興政,孫垚棋,張繼勇,張勇東. 一種基于多角度激光線掃描的三維重構(gòu)系統(tǒng)[P]. CN110379013A,2019-10-25.

[235]顏成鋼,陳利,孫垚棋,張繼勇,張勇東. 一種系泊系統(tǒng)的設(shè)計方法[P]. CN110356505A,2019-10-22.

[236]顏成鋼,朱嘉凱,洪露,陳安琪,孫垚棋,張繼勇,張勇東. 基于免疫優(yōu)化算法的多無人機任務(wù)分配問題的求解方法[P]. CN110362107A,2019-10-22.

[237]顏成鋼,陳鑫哲,黃步真,胡友鵬,孫垚棋,張勇東. 一種基于CNN特征融合框架的花卉識別方法[P]. CN110363101A,2019-10-22.

[238]顏成鋼,王廷宇,趙崇宇,萬斌,孫垚棋,張繼勇,張勇東,蔣云良. 一種基于多任務(wù)特征學(xué)習(xí)的對象表示方法[P]. CN110363204A,2019-10-22.

[239]顏成鋼,王廷宇,趙崇宇,萬斌,孫垚棋,張繼勇,張勇東,蔣云良. 一種基于多示例學(xué)習(xí)的IRES序列搜尋方法[P]. CN110364223A,2019-10-22.

[240]顏成鋼,鄭錦凱,朱晨,孫垚棋,張繼勇,張勇東. 一種加入運動員體型系數(shù)的跳臺跳水評價方法[P]. CN110327611A,2019-10-15.

[241]蔣云良,張雄濤,胡文軍,顏成鋼. 一種基于模糊劃分和模糊加權(quán)的集成深度信念網(wǎng)絡(luò)[P]. CN110298434A,2019-10-01.

[242]顏成鋼,劉啟欽,黃繼昊,孫垚棋,張繼勇,張勇東. 基于高效卷積網(wǎng)絡(luò)和卷積條件隨機場的語義分割方法[P]. CN110288603A,2019-09-27.

[243]顏成鋼,陳靖文,劉武,劉鑫晨,孫垚棋,張繼勇,張勇東. 一種基于深度攝像頭的商品檢測方法[P]. CN110276260A,2019-09-24.

[244]顏成鋼,黃繼昊,劉啟欽,孫垚棋,張繼勇,張勇東. 基于無人駕駛技術(shù)對實例分割的改進方法[P]. CN110276378A,2019-09-24.

[245]顏成鋼,朱嘉凱,王興政,陳子陽,孫垚棋,張繼勇,張勇東. 一種基于深度殘差網(wǎng)絡(luò)的糖尿病性視網(wǎng)膜病變檢測的方法[P]. CN110236483A,2019-09-17.

[246]顏成鋼,黃智坤,李志勝,孫垚棋,張繼勇,張勇東. 一種熒光顯微圖像超分辨率成像方法[P]. CN110246083A,2019-09-17.

[247]顏成鋼,謝益峰,孫垚棋,張繼勇,張勇東. 一種基于深度學(xué)習(xí)的背景去除的方法[P]. CN110189330A,2019-08-30.

[248]顏成鋼,黃智坤,李志勝,孫垚棋,張繼勇,張勇東. 一種基于SRCNN的幀間預(yù)測方法[P]. CN110177282A,2019-08-27.

[249]顏成鋼,謝益峰,孫垚棋,張繼勇,張勇東. 一種基于多任務(wù)級聯(lián)卷積網(wǎng)絡(luò)的目標(biāo)檢測和對齊方法[P]. CN110175504A,2019-08-27.

[250]顏成鋼,林翊,孫垚棋,張繼勇,張勇東. 一種基于多視角協(xié)同關(guān)系的先天性心臟病輔助診斷方法[P]. CN110164550A,2019-08-23.

[251]顏成鋼,呂彬彬,吳嘉敏,汪佳晨,宋嘉茵. 一種玻璃缺陷檢測方法[P]. CN107024488B,2019-08-13.

[252]顏成鋼,溫洪發(fā),孫垚棋,張繼勇,張勇東. 一種基于Harris角點檢測的視覺導(dǎo)航方法[P]. CN110119670A,2019-08-13.

[253]顏成鋼,溫洪發(fā),孫垚棋,張繼勇,張勇東. 一種基于核稀疏表示的三維模型分類檢索方法[P]. CN110083715A,2019-08-02.

[254]顏成鋼,溫洪發(fā),孫垚棋,張繼勇,張勇東. 一種基于多視圖的三維模型分類檢索方法[P]. CN110059205A,2019-07-26.

[255]顏成鋼,溫洪發(fā),孫垚棋,張繼勇,張勇東. 一種基于核密度估計的三維模型分類檢索方法[P]. CN110059213A,2019-07-26.

[256]顏成鋼,徐浙峰,任浩帆,孫垚棋,張繼勇,張勇東. 一種基于全卷積神經(jīng)網(wǎng)絡(luò)的單目相機室外三維重建方法[P]. CN110060331A,2019-07-26.

[257]顏成鋼,張騰,張永兵,李志勝,陳立鑫,孫垚棋,張勇東. 一種基于U-Net分割網(wǎng)絡(luò)的光學(xué)圖像相位解纏繞方法[P]. CN109886880A,2019-06-14.

[258]顏成鋼,付祖賢,孫垚棋,張勇東. 基于Hadoop并行加速的分級圖分組配準(zhǔn)方法[P]. CN109801319A,2019-05-24.

[259]顏成鋼,蔣繼揚,張新,徐雙,李亞菲. 一種基于姿態(tài)識別的全景觀測方法[P]. CN107009962B,2019-05-14.

[260]顏成鋼,張騰,張永兵,陳智,陳子豪,張勇東. 一種基于殘差卷積神經(jīng)網(wǎng)絡(luò)的光學(xué)圖像相位解纏繞方法[P]. CN109712109A,2019-05-03.

[261]顏成鋼,李志勝,劉炳濤,周旭,俞靈慧,陳靖文,張勇東. 一種基于圖模型的圖像壓縮感知方法[P]. CN109451314A,2019-03-08.

[262]顏成鋼,付祖賢,李峰旭,孫垚棋,張勇東. 基于密度聚類的圖收縮分組配準(zhǔn)方法[P]. CN109242759A,2019-01-18.

[263]胡冀,顏成鋼,彭冬亮,吳建鋒. 一種用于在線不平衡流數(shù)據(jù)的分類方法[P]. CN109101993A,2018-12-28.

[264]胡冀,顏成鋼,彭冬亮,吳建鋒. 一種在線高維不平衡流數(shù)據(jù)的學(xué)習(xí)方法[P]. CN109102077A,2018-12-28.

[265]顏成鋼,朱晨瑞,孫垚棋,張勇東. 一種基于可變焦相機的雙目視覺測距方法[P]. CN109084688A,2018-12-25.

[266]胡冀,顏成鋼,彭冬亮,吳建鋒. 一種免閾值設(shè)定的靜息態(tài)功能腦網(wǎng)絡(luò)構(gòu)建方法[P]. CN108921286A,2018-11-30.

[267]顏成鋼,呂曉泉,張勇東. 基于深度學(xué)習(xí)的手勢識別的多標(biāo)簽圖像預(yù)處理方法[P]. CN108898045A,2018-11-27.

[268]顏成鋼,朱尊杰,徐楓,龔冰劍,黃海亮,張勇東. 快速運動下的場景三維重建方法[P]. CN108876897A,2018-11-23.

[269]顏成鋼,李志勝,劉炳濤,周旭,俞靈慧,陳靖文,張勇東. 基于行圖與列圖模型的去模糊方法[P]. CN108846804A,2018-11-20.

[270]顏成鋼,邵碧堯,徐楓,施海南,張勇東,孫垚棋. 一種基于地面法向和二維交線的三維重建方法[P]. CN108805972A,2018-11-13.

[271]顏成鋼,邵碧堯,徐楓,丁貴廣,張勇東. 一種基于人工神經(jīng)網(wǎng)絡(luò)的實時場景布局識別及重建的方法[P]. CN108648224A,2018-10-12.

[272]顏成鋼,李志勝,陳立鑫,韓顧穩(wěn),張勇東,王建中. 一種基于對偶圖的圖像超分辨率方法[P]. CN108447019A,2018-08-24.

[273]顏成鋼,陳立鑫,朱翱宇,李志勝,周東,張勇東. 一種不降低質(zhì)量且快速的圖像超分辨率方法[P]. CN108416733A,2018-08-17.

[274]韓顧穩(wěn),顏成鋼,梅濤,黃海亮,張騰. 一種改進的模糊PID的智能汽車自動循跡方法[P]. CN108052002A,2018-05-18.

[275]呂彬彬,顏成鋼,吳嘉敏. 一種壓縮高光譜掩膜優(yōu)化方法[P]. CN107895063A,2018-04-10.

[276]黃海亮,顏成鋼,付祖賢,趙崇宇. 基于CUDA的多圖譜三維腦圖像快速分割方法[P]. CN107886519A,2018-04-06.

[277]李志勝,顏成鋼,張永兵,張騰,趙崇宇. 一種基于深度學(xué)習(xí)的提高視頻壓縮編碼效率的方法[P]. CN107820085A,2018-03-20.

[278]趙崇宇,顏成鋼,黃海亮,付祖賢,張騰. 一種減少圖像標(biāo)簽融合冗余計算的方法[P]. CN107798680A,2018-03-13.

[279]陳立鑫,顏成鋼,張永兵,朱翱宇. 一種利用生成網(wǎng)絡(luò)提高視頻錯誤隱藏效果的方法[P]. CN107734333A,2018-02-23.

[280]張騰,顏成鋼,張永兵,趙崇宇,李志勝. 基于圖模型的單幅圖像超分辨率輸出方法[P]. CN107680043A,2018-02-09.

[281]陳立鑫,顏成鋼,劉炳濤,周東. 一種全新的分布式和私有化miRNA#疾病聯(lián)系預(yù)測方法[P]. CN107658029A,2018-02-02.

[282]陳立鑫,顏成鋼,張永兵,朱翱宇. 一種利用生成網(wǎng)絡(luò)提高幀速率上轉(zhuǎn)換效果的方法[P]. CN107613299A,2018-01-19.

[283]李志勝,顏成鋼,劉炳濤,周旭,俞靈慧,陳靖文. 一種基于協(xié)同濾波的MiRNA#疾病關(guān)聯(lián)預(yù)測方法[P]. CN107526937A,2017-12-29.

[284]邵碧堯,顏成鋼,劉炳濤,呂曉泉,俞靈慧. 半局部社交信息miRNA#疾病關(guān)聯(lián)性預(yù)測方法[P]. CN107506617A,2017-12-22.

[285]俞靈慧,顏成鋼,劉炳濤,施海南,邵碧堯,李志勝. 一種改進的基于協(xié)同過濾的miRNA#疾病關(guān)聯(lián)預(yù)測方法[P]. CN107506608A,2017-12-22.

[286]朱尊杰,顏成鋼,徐峰,寧瑞忻. 一種基于曼哈頓假設(shè)的場景重建方法[P]. CN107292956A,2017-10-24.

[287]李亞菲,顏成鋼,蔣繼揚,徐雙,張新,孫垚棋. 一種人臉深度跟蹤裝置及實現(xiàn)方法[P]. CN107203743A,2017-09-26.

[288]朱尊杰,顏成鋼,徐楓,龔冰劍,黃海亮. 一種基于智能手機的場景重建方法[P]. CN107103626A,2017-08-29.

[289]涂云斌,顏成鋼,張曦珊. 一種利用時空注意力模型的視頻內(nèi)容描述方法[P]. CN107066973A,2017-08-18.

[290]涂云斌,顏成鋼,馮欣樂,李兵,樓杰棟,彭冬亮,張勇東,王建中. 一種基于語義信息引導(dǎo)的視頻內(nèi)容描述方法[P]. CN107038221A,2017-08-11.

[291]呂彬彬,顏成鋼,吳嘉敏,汪佳晨,宋嘉茵. 一種玻璃缺陷檢測方法[P]. CN107024488A,2017-08-08.

[292]盛再超,顏成鋼,彭冬亮,薛安克. 一種基于深度學(xué)習(xí)算法進行基因關(guān)聯(lián)分析的方法[P]. CN107025386A,2017-08-08.

[293]蔣繼揚,顏成鋼,張新,徐雙,李亞菲. 一種基于姿態(tài)識別的全景觀測方法[P]. CN107009962A,2017-08-04.

[294]李寧,顏成鋼,徐楓,朱尊杰,邵碧堯,麻輝文. 一種基于增強現(xiàn)實的虛擬現(xiàn)實實現(xiàn)方法[P]. CN107016704A,2017-08-04.

[295]顏成鋼,楊東寶,孫垚棋,彭冬亮,張勇東,薛安克. 一種基于深度學(xué)習(xí)的圖像哈希編碼方法[P]. CN107016708A,2017-08-04.

[296]顏成鋼,鄧涵,孫垚棋,張勇東,薛安克. 一種基于雙倍比特量化及加權(quán)的最近鄰搜索方法[P]. CN106997385A,2017-08-01.

[297]姜鑫,顏成鋼,吳嘉敏,吳桐,崔恩楠,彭冬亮,薛安克. 一種利用深度學(xué)習(xí)重建高光譜圖像的方法[P]. CN106997581A,2017-08-01.

[298]麻輝文,顏成鋼,張新,李亞菲,李寧,陳澤倫. 一種3D模型轉(zhuǎn)立體雙視點視圖的方法[P]. CN106993179A,2017-07-28.

[299]謝益峰,顏成鋼,王雁剛,邵碧堯,項露萱. 一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法[P]. CN106991386A,2017-07-28.

[300]邵碧堯,顏成鋼,王雁剛,謝益峰,李寧,項露萱. 一種用于手勢識別的數(shù)據(jù)庫建立方法[P]. CN106960036A,2017-07-18.

[301]黃海亮,顏成鋼,朱尊杰,王建中. 一種智能汽車自主循跡路徑規(guī)劃的方法[P]. CN106843227A,2017-06-13.

論文專著：

出版專著： 

資料更新中……

發(fā)表期刊論文：

已發(fā)表包括《Science》、《Nature》旗下期刊、《Briefings in Bioinformatics》、《IEEE Transactions on Circuits and Systems for Video Technology》、《IEEE Transactions on Multimedia》等在內(nèi)的SCI論文近20篇。

[1]孫垚棋,鞏鵬博,徐浙峰,李文鈞,顏成鋼,鄭博侖,張繼勇.基于地磁軌跡信號的新型室內(nèi)定位[J].信號處理,2021,37(06):952-957.

[2]朱尊杰,徐浙峰,任小元,侯佳,孫垚棋,顏成鋼.基于單張彩色圖輸入的平面提取綜述[J].杭州電子科技大學(xué)學(xué)報(自然科學(xué)版),2020,40(04):31-38+50.

[3]溫洪發(fā),周曉飛,任小元,顏成鋼.視覺顯著性檢測綜述[J].杭州電子科技大學(xué)學(xué)報(自然科學(xué)版),2020,40(02):1-11.

[4]唐華,朱鵬程,顏成鋼,邊超,宋朝暉.信息論與通信系統(tǒng)學(xué)科自由申請類項目申請與資助情況分析[J].電子與信息學(xué)報,2019,41(06):1518-1524.

[5]邊超,朱鵬程,顏成鋼,張晶泊,武俊杰,唐華,宋朝暉.2018年度國家自然科學(xué)基金委信息科學(xué)部一處項目申請與資助情況及其問題分析[J].電子與信息學(xué)報,2019,41(01):248-254.

[6]寧瑞忻,朱尊杰,邵碧堯,龔冰劍,顏成鋼.基于視覺的虛擬現(xiàn)實與增強現(xiàn)實融合技術(shù)[J].科技導(dǎo)報,2018,36(09):25-31.

[7]宋朝暉,唐華,邊超,孫強,丁大志,朱鵬程,顏成鋼,熊小蕓.項目計算機輔助受理的申請代碼與研究方向[J].電子與信息學(xué)報,2018,40(01):249-254.

[8]唐勝,高科,顧曉光,顏成鋼,張勇東.高通量視頻內(nèi)容分析技術(shù)[J].工程研究-跨學(xué)科視野中的工程,2014,6(03):294-306.

[9]范靈俊,顏成鋼,宋風(fēng)龍,馬宜科,范東睿.H.264去塊濾波算法在眾核結(jié)構(gòu)上的并行優(yōu)化[J].小型微型計算機系統(tǒng),2011,32(11):2263-2267.

[10] C.G Yan, et al., “Efficient Parallel Framework for HEVC Motion Estimation on Many-core Processors”, IEEE Transactions on Circuits and Systems for Video Technology. (ESI高被引論文) (ESI熱點論文)

[11] Z.J. Zhu（指導(dǎo)的學(xué)生）,et al., “Real-time Indoor Scene Reconstruction with RGBD and Inertial Input”, International Conference on Multimedia and Expo. (最佳學(xué)生論文獎) （學(xué)校新聞報道：www.hdu.edu.cn/news/important_26218）

[12] B.B. Lv（指導(dǎo)的學(xué)生）,et al., “Compressive Hyperspectral Imaging Mask Optimization”, International Conference on Internet Multimedia Computing and Service. (最佳論文獎) （學(xué)校新聞報道：www.hdu.edu.cn/news/important_24745）

[13] H.F. Wen （指導(dǎo)的學(xué)生）,et al., “Leveraging Multiple Implicit Feedback for Personalized Recommendation with Neural Network”, International Conference on Artificial Intelligence and Advanced Manufacturing.（學(xué)校新聞報道：http://www.hdu.edu.cn/news/media_26261）(最佳論文獎)

[14] Y.B.Tu （指導(dǎo)的學(xué)生）,et al.,” Video Description with Spatial-Temporal Attention”, ACM Multimedia.（學(xué)校新聞報道：www.hdu.edu.cn/news/important_23700）(Student Travel Grant Award)

榮譽獎勵：

1、2018年中國電子學(xué)會自然科學(xué)類一等獎。  

2、 “****獎勵計劃”青年學(xué)者。

3、浙江省“錢江學(xué)者”特聘教授。

4、浙江省杰出青年基金獲得者。

5、浙江省“151人才工程”第一層次。

6、浙江省高校中青年學(xué)科帶頭人重點資助。

7、獲得國際會議《International Conference on Game Theory for Networks》最佳論文。

8、獲得國際會議《SPIE/COS Photonics Asia Conference 9273》最佳論文。

9、獲得國際會議《International Conference on Multimedia and Expo》最佳論文提名。

10、中科院院長獎學(xué)金特別獎。

11、中科院計算所所長獎學(xué)金特別獎。

12、2019年國家自然科學(xué)獎二等獎。

杭州電子科技大學(xué)報報道：

顏成鋼：科研人應(yīng)頂天立地，為國分憂，造福于民

作者：楊偉婷 時間：2019-5-30 

入選教育部人才獎勵計劃青年項目，主持或參與國家重點研發(fā)計劃、國家自然科學(xué)基金項目等6項，以第一作者或通訊作者在國際頂級期刊及會議上發(fā)表論文30余篇，5次獲得國際會議最佳論文獎，研究成果獲2018年中國電子學(xué)會自然科學(xué)類一等獎……

這是一位年僅35歲的青年學(xué)者在過去五年交出的成績單。而取得這些亮眼成就的，正是我校自動化學(xué)院博士生導(dǎo)師、智能信息處理實驗室主任顏成鋼研究員。

“高產(chǎn)”源于自律和執(zhí)行力

2016年，32歲的顏成鋼從清華大學(xué)博士后出站后，作為特聘教授加入杭電。他主攻智能信息處理領(lǐng)域，近年來所取得的研究成果主要體現(xiàn)在并行視頻編碼、視頻內(nèi)容分析和疾病關(guān)聯(lián)預(yù)測等三方面。

“人工智能方面的研究成果已經(jīng)運用到生活中的很多方面。比如球賽直播時的精彩瞬間回放就是通過植入智能算法，讓機器像人一樣思考，自動抓取片段；人臉識別、火車站安檢進站刷身份證等需要運用到圖像視頻處理技術(shù)；再比如大家熟悉的小米手機中，集外語翻譯、信息查詢、應(yīng)用操作等功能于一身的語音助手‘小愛同學(xué)’就運用了自然語言處理技術(shù)。如果沒有技術(shù)作支撐，這些美好的生活體驗就好似空中閣樓，懸在半空�！痹诳萍拣^的辦公室內(nèi)，顏成鋼語調(diào)溫和，將自己的研究領(lǐng)域用盡可能通俗易懂的語言向記者娓娓道來，恰似剛泡開的茶葉在水里徐徐舒展。

成果累累，“高產(chǎn)”的背后離不開多年來養(yǎng)成的自律和堅毅。顏成鋼一直以清華大學(xué)的校訓(xùn)“自強不息，厚德載物”鞭策自己，幾乎每天晚上都忙到后半夜，第二天早上6點鐘自然醒。算下來，一天的睡眠時間不過四五個鐘頭�！斑@足以讓我恢復(fù)體力，保持充沛精力。每個人適合的睡眠時長不一樣，我已經(jīng)養(yǎng)成這個習(xí)慣了，偶爾睡多了還覺得更累�！� 午后的陽光透過窗戶，灑滿整個辦公室，襯著顏成鋼整個人神采奕奕。

“沒覺得做科研碰到瓶頸或困難。最難的應(yīng)該是剛開始在中科院計算機技術(shù)研究所讀研的時候，當(dāng)時剛?cè)腴T，看文獻花費很長時間，理解專業(yè)術(shù)語要下不少功夫。但正因為是自己感興趣的，所以也怡然自得。有興趣作基底，一路堅持下來并不覺得累，更何況我們還有一整個團隊在并肩前行。”

顏成鋼每天早上做的第一件事就是打開電腦，把一整天的事情記錄下來，按照輕重緩急來一一排序，并同步到手機�！斑@樣方便查閱，能隨時隨地提醒自己接下來要做哪些事情�！�

“目標(biāo)明確、執(zhí)行力強”，問及對顏成鋼的印象，助理孫垚棋不假思索地說到：“顏老師會將要做的事情都規(guī)劃好，并堅定執(zhí)行下去，甚至?xí)�提前超額完成。”

“師者，要起到引路人的作用”

“目標(biāo)明晰、做好規(guī)劃、堅持不懈”，這是顏成鋼的自我要求，也是他對學(xué)生的期冀。

顏成鋼也和學(xué)生談目標(biāo)、聊規(guī)劃。2017年3月，他被選派到國家自然科學(xué)基金委擔(dān)任流動編制項目主任一職。其間，他周末飛回杭州，到校后的必做事項之一就是與學(xué)生約談，根據(jù)學(xué)生的科研進展和自身情況，一起制定科研目標(biāo)，規(guī)劃學(xué)習(xí)方向。

“青年應(yīng)該志向遠(yuǎn)大，根據(jù)興趣做好自身規(guī)劃，有針對性地學(xué)習(xí)知識，這樣才能學(xué)以致用，走得更從容、更心無旁騖，為將來的學(xué)業(yè)、事業(yè)發(fā)展打下扎實基礎(chǔ)。”

對此，今年考取清華大學(xué)自動化專業(yè)控制工程方向研究生的孟祥松同學(xué)最有發(fā)言權(quán)�！邦伬蠋煵粌H是學(xué)術(shù)大牛，還是我的人生導(dǎo)師�！辈稍L中，孟祥松對顏成鋼的感激之情溢于言表。他坦言，如果不是顏老師鼓勵自己報考清華，他“想都不敢想這事兒”。

現(xiàn)今，已前往清華大學(xué)深圳研究生院的孟祥松對自己能成為實驗室成員感到十分幸運�！案�著顏老師在項目課題中學(xué)習(xí)學(xué)術(shù)前沿知識，不僅開闊了眼界、提升了能力，而且對我今后的研究生活做了一個很好的銜接，現(xiàn)在看文獻、查資料輕松很多�！�

孟祥松口中的“實驗室”是顏成鋼領(lǐng)銜的智能信息處理實驗室。從2016年成立至今，實驗室已接收三批研究生。首批6名研究生均已畢業(yè)，2人被顏成鋼納入麾下，攻讀博士學(xué)位；4人分別進入阿里、華為、�？低�視、浙江未來技術(shù)研究院工作。6人均發(fā)表國際期刊會議論文，其中1人還斬獲第10屆互聯(lián)網(wǎng)多媒體計算和服務(wù)國際會議（ICIMCS 2018）最佳論文獎。

“看到學(xué)生一天天成長起來，我感到很欣慰。杭電的學(xué)生創(chuàng)新意識、動手能力都很不錯，有時候就差一個契機讓他們鍛煉起來，不斷挑戰(zhàn)和超越自我。師者，就要起到引路人的作用。我很篤定，杭電會有越來越多的學(xué)生進入國內(nèi)外理想的高等學(xué)府繼續(xù)深造。”

<

為學(xué)生量身定制培養(yǎng)計劃

顏成鋼辦公室對面，即是智能信息處理實驗室所在地。采訪當(dāng)天，里面的學(xué)生無一不在埋頭科研，沒半點閑聊打趣。偶有學(xué)生去開水房接水，來去匆匆�！皩嶒炇也辉O(shè)門檻，研究生，本科生都有�！�

在杭電理工科學(xué)子的眼中，智能信息處理實驗室就像個“武林圣地”，里面的成員各個身懷絕學(xué)。今年實驗室招收20名學(xué)生，光報名就有70多個，可謂競爭激烈。而顏成鋼的考核要求是讓學(xué)生做項目課題，第一個課題難度一般，后面的難度逐級加大�！坝袝r候光是筆試和面試的短短幾分鐘，不足以了解學(xué)生，而通過項目就可以考核出學(xué)生的動手能力和創(chuàng)新意識，是否具備相關(guān)興趣并堅持下去�！�

顏成鋼對進入實驗室的學(xué)生實行“杭電SRT”（HDU Students Research Training）計劃。研究生在研一階段就可以到美國伯克利大學(xué)、清華大學(xué)等高校學(xué)習(xí)交流�！斑@些高校的專家對派出去的同學(xué)評價很高，認(rèn)為他們做事踏實、動手能力強。學(xué)生得到認(rèn)可，我由衷替他們感到高興�！�

對于本科生，顏成鋼按照學(xué)生的興趣分成多個項目組，為每個項目組安排來自美國康涅狄格大學(xué)、瑞士聯(lián)邦理工、英國華威大學(xué)、悉尼科技大學(xué)、中國科學(xué)院、清華大學(xué)等高校或研究機構(gòu)的校外指導(dǎo)老師。學(xué)生在課題研究過程中碰到難題均可以向這些機構(gòu)的老師和博士生請教，獲取有針對性的指導(dǎo)。

“SRT項目開啟了我的科研生涯，我們所學(xué)的東西，所從事的是當(dāng)前國際前沿研究，團隊里的老師都是各界執(zhí)牛耳者。加入SRT是我大學(xué)里做的最有價值的事情�！爆F(xiàn)在海康威視就職的2014級學(xué)生李寧如是說。

“國內(nèi)大部分課堂采用單向的知識傳授型授課模式，學(xué)生學(xué)得容易忘得也快。而圍繞實踐性很強的項目課題，學(xué)生有機會接觸到學(xué)術(shù)前沿，經(jīng)過閱讀文獻、總結(jié)方法、設(shè)計算法、實驗論證和結(jié)題報告等環(huán)節(jié)，完成從提出問題、分析問題到解決問題的轉(zhuǎn)換，讓學(xué)生對所學(xué)知識印象深刻。”

做科研，要頂天立地

“學(xué)生也好，團隊也好，我很重視培養(yǎng)大家學(xué)以致用的能力，這樣才能為后期裂變積聚能量，團隊也會得到更好傳承�！�

2016年，在顏成鋼的帶領(lǐng)和推動下，杭電智能信息處理學(xué)科交叉創(chuàng)新團隊組建而成，并培養(yǎng)、引進了不少重量級專家學(xué)者，目前團隊已有教師10余名，包括國家高端人才項目入選者、浙江省“錢江學(xué)者”特聘教授、浙江省杰出青年基金獲得者、浙江省“151人才工程”第一層次、浙江省高校中青年學(xué)科帶頭人重點資助等多名省部級、國家級人才。“前陣子學(xué)校舉辦2019世界IT青年科學(xué)家論壇，我們也邀請了8位海外專家學(xué)者前來參加，預(yù)計會有幾位專家加入我們的團隊，屆時團隊力量會越來越強，志同道合的人集聚在一起做事情也會越來越順�！�

作為掌舵者，顏成鋼深知責(zé)任重大。團隊成員經(jīng)常一起聚頭探討，制定中長期發(fā)展目標(biāo)。他透露，就在采訪的頭一天晚上，團隊的幾個老師在實驗室里討論準(zhǔn)備一個國家項目的申報材料，一直到12點才散會。與此同時，另一位老師動身前往合肥，為正在申報的國家重點研發(fā)計劃做PPT答辯材料。團隊組建未滿3年，就已主持或參與國家重點研發(fā)計劃2項、國家自然科學(xué)基金項目4項、浙江省杰出青年基金項目1項，經(jīng)費總額超過千萬。

顏成鋼認(rèn)為，科研人絕不能僅為了獲取項目而申報項目，而應(yīng)具備更大的胸懷和格局�！白隹蒲校�抓住前沿方向至關(guān)重要。要想做出前沿的成果，就要在前沿方向上花力氣，緊跟國家重大戰(zhàn)略部署，以創(chuàng)新驅(qū)動增強國力�！�

采訪中，顏成鋼提及中科院計算機技術(shù)研究所的所訓(xùn)“科研為國分憂，創(chuàng)新與民造福”。對于他來說，前半句話意味著“頂天”，后半句話是“立地”�！白隹蒲幸�頂天立地，一方面能真正為國家解決實際問題，也正是秉持這一理念，在計算機所誕生了龍芯CPU和曙光超級計算機等國之重器；另一方面也要把技術(shù)成果產(chǎn)業(yè)化，惠及大眾，技術(shù)理應(yīng)讓生活更美好�！�

沉吟片刻，顏成鋼繼續(xù)說到：“‘科研為國分憂，創(chuàng)新與民造福’也應(yīng)是我們所有科研人的使命，這既與習(xí)近平總書記對科研工作者提出的‘把論文寫在祖國的大地上，把科技成果應(yīng)用在實現(xiàn)現(xiàn)代化的偉大事業(yè)中’要求相呼應(yīng)，也與杭電首任院長蔣葆增的遺訓(xùn)‘國家大事，千萬盡力’相契合�！�

顏成鋼透露，讀博期間，全球知名的眾核芯片制造商美國Tilera公司對他提出的基于Tilera眾核平臺的高并行視頻編解碼成果十分關(guān)注，來信表示“你所提出的并行運動估計方法與HM 提案相比取得了10 倍到13 倍的加速，這與我們的預(yù)期非常一致，希望進行深入合作”。顏成鋼毅然決然地拒絕了，因為他要把自己的研究成果用在祖國的大地上。

“科研人要有擔(dān)當(dāng)精神。父母將我取名為‘成鋼’，正是希望我能成為國家的一塊好鋼，擁有好鋼的品質(zhì)�！�

來源：杭州電子科技大學(xué)報 原文鏈接：http://newspaper.hdu.edu.cn/reading/paper.asp?Aid=3360&Fid=642

海峽科技與產(chǎn)業(yè)報道：

不舍攀登,挺進智能信息處理技術(shù)創(chuàng)新高地

——記杭州電子科技大學(xué)智能信息處理實驗室主任顏成鋼

【摘要】 <正>2018年初,教育部公布了2017年度"長江學(xué)者獎勵計劃"建議人選名單,顏成鋼教授成功當(dāng)選"青年長江學(xué)者"。據(jù)悉,這是杭州電子科技大學(xué)首次有人入選該人才項目。順勢而為,結(jié)緣智能信息處理顏成鋼1984年11月出生在風(fēng)景秀麗的古都杭州。2004年考入山東大學(xué)計算機系,這為其后來與人工智能結(jié)緣埋下了伏筆。因為大學(xué)期間成績優(yōu)異,。 

資料更新中…… 

來源：海峽科技與產(chǎn)業(yè) 2018年12期