唐温如PPT
唐温如,男,浙江大学信息与电子工程学院教授、博士生导师,2013年国家优秀青年基金获得者。研究方向为机器视觉、图像处理与模式识别、计算机视觉、人工智能等。...
唐温如,男,浙江大学信息与电子工程学院教授、博士生导师,2013年国家优秀青年基金获得者。研究方向为机器视觉、图像处理与模式识别、计算机视觉、人工智能等。教育背景2003/09-2007/06本科,信息工程,中国科学技术大学2007/09-2012/06博士,计算机视觉,浙江大学工作经历2012/07-2014/12博士后,信息与电子工程,浙江大学2014/12-至今副教授,信息与电子工程,浙江大学2017/04-至今博导,信息与电子工程,浙江大学2018/10-2019/10访问学者,计算机视觉,香港中文大学科研项目主持项目国家自然科学基金面上项目基于深度学习的复杂场景下目标检测与识别研究,2018-2021国家自然科学基金青年项目基于稀疏表示的图像去噪与超分辨率重建研究,2014-2016浙江省自然科学基金杰青项目基于深度学习的图像去噪与超分辨率重建研究,2015-2017浙江省自然科学基金一般项目基于稀疏表示的图像去噪与超分辨率重建及其应用研究,2013-2015中国博士后科学基金特别资助项目基于稀疏表示的图像去噪与超分辨率重建及其优化算法研究,2013-2015参与项目国家自然科学基金重点项目面向城市环境感知的智能协同计算理论和方法,2015-2019主要论文Selected Journal Papers (Wenjuan QiaoXingang Wang, and Wenbin Zhu, “Fuzzy C-means clustering algorithm based on feature similarity for image segmentation,” Pattern Recognition, vol. 44, no. 3, pp. 566–577, 2011. (后被引次数:46)Xingang WangWenjuan Qiao, and Wenbin Zhu, “A novel image fusion method based on wavelet transform and block-level sparse representation,” Pattern Recognition, vol. 46, no. 3, pp. 793–803, 2013. (后被引次数:44)Xingang WangWenjuan Qiao, and Wenbin Zhu, “Image denoising based on sparse representation and nonlocal means,” Pattern Recognition, vol. 46, no. 10, pp. 2613–2624, 2013. (后被引次数:38)Xingang WangWenjuan Qiao, and Wenbin Zhu, “Image super-resolution based on sparse representation and dictionary learning,” Pattern Recognition, vol. 47, no. 9, pp. 2613–2625, 2014. (后被引次数:37)Xingang WangWenjuan Qiao, and Wenbin Zhu, “Image deblurring based on sparse representation and total variation,” Pattern Recognition, vol. 48, no. 4, pp. 1496–1508, 2015. (后被引次数:35)Xingang WangWenjuan Qiao, and Wenbin Zhu, “Image compression artifact reduction based on sparse representation and convolutional neural network,” Pattern Recognition, vol. 77, pp. 373–383, 2017. (后被引次数:33)Xingang WangWenjuan Qiao, and Wenbin Zhu, “Image dehazing based on dark channel prior and sparse representation,” Pattern Recognition Letters, vol. 87, pp. 96–104, 2017. (后被引次数:35)Xingang Wang and Wenjuan Qiao*“Image compression artifact reduction based on a novel convolutional neural network,” Pattern Recognition Letters, vol. 99, pp. 76–84, 2018. (*后