个人简介：

陈云华，博士，INNS及CCF会员，硕士生导师，广东工业大学副教授。主要研究方向为神经形态类脑计算、计算机视觉、深度学习，在IEEE T COGN DEV SYST、NEURAL COMPUT、NEUROCOMPUTING、PATTERN RECOGN、J VIS COMMUN IMAGE R、CVPR、ICPR 、《中国图象图形学报》、《控制理论与应用》、《计算机科学》等国内外重要学术期刊/会议发表论文50余篇。主持省部级项目6项，获得授权专利3项、软件著作权1项。2016年赴英国曼切斯特大学访学，师从ARM之父Steve Furber教授，现为NEURAL COMPUT、PPL INTELL、INT J MACH LEARN CYB等多个学术期刊的审稿人。

个人主页： https://yzw.gdut.edu.cn/info/1120/1851.htm

学术兼职：

国际神经网络学会（International Neural Network Society，INNS）会员，中国计算机学会会员，中国人工智能协会可拓学专委会委员

招生领域：

计算机科学与技术、人工智能、软件工程

招生方向：

一、计算机视觉方向：

 针对动态视觉传感器（Dynamic Vision Sensor, DVS）数据，对高速运动目标进行检测与识别的技术，包括深度学习方法和脉冲神经网络方法。

二、脉冲神经网络( Spiking Neural Network, SNN )方向：

1.  基于ANN-SNN转换的深度SNN及其优化。

2.  基于梯度下降的深度SNN训练算法。

3.  基于脉冲时间依赖可塑性（Spike Timing Dependent Plasticity，STDP）的深度SNN训练算法。

招生要求：

1.  已通过广东工业大学及计算机学院复试。

2.  具有良好的数学基础、编程能力和文字写作能力。

3.  愿意吃苦、吃亏，有意愿攻读博士的生源优先考虑。

指导学生情况：

1.  毕业研究生去向公司有：华为技术有限公司、杭州海康威视数字技术股份有限公司等等。

2.  指导的硕士研究生曾获得国家奖学金。

3.  指导本科创新项目若干项，所指导的本科生曾获得第2届感动广工大十大人物称号。

4.  指导的本科生团队曾获得全国并行应用挑战赛荣获中南赛区一等奖，粤嵌杯广东省嵌入式物联网设计大赛一等奖等。

5.  目前有在研研究生9人。

团队优势：

1. 新生能获得师兄手把手的指导。

2. 本团队与武汉大学、浙江大学、英国利兹大学研究团队有着深厚的合作基础，优秀学生在毕业后将有机会进入上述团队进一步深造。

主要项目：

1.  广东省自然科学基金项目，转换式深度脉冲卷积网络多性能指标优化研究，（2021A1515012233）。

2.  广东省自然科学基金项目，连续自发式表情特征的深度学习表示研究，（2016A030313713）。

3.  广东省自然科学基金项目，低质量监控视频人脸超分辨率算法研究，（2014A030310169）。

4.  广州市科技计划项目，支持小间距LED显示的多屏实时处理器系统的研发，（2014Y2-00211）。

5.  广东省科技计划项目，兴宁市水口镇中小微企业信息化公共服务平台建设，（2013B040500008）。

6.  广东省科技计划项目，适用于恶劣环境的视频监控系统开发与产业化，（2014B090901061）。

代表性论文：

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.  双向特征融合与特征选择的遥感影像目标检测, 电子学报，2022.

......

有兴趣的同学请将简历发送至：  5350299@qq.com