郭锴凌科研成果_郭锴凌专利信息_华南理工大学电子与信息学院郭锴凌科研信息|郭锴凌校企合作信息|郭锴凌联系方式
全国客户服务热线:4006-054-001 疑难解答:159-9855-7370(7X24受理投诉、建议、合作、售前咨询),173-0411-9111(售前),155-4267-2990(售前),座机/传真:0411-83767788(售后),微信咨询:543646
企业服务导航

郭锴凌科研成果

发布日期:2024-05-03 专利申请、商标注册、软件著作权、资质办理快速响应 微信:543646


郭锴凌
姓名 郭锴凌 性别
学校 华南理工大学 部门 电子与信息学院
学位 副教授 学历 副教授
职称 副教授 联系方式 30号楼626
邮箱 guokl@scut.edu.cn    
软件产品登记测试全国受理 软件著作权666元代写全部资料全国受理 实用新型专利1875代写全部资料全国受理
郭锴凌

更新日期:2024年1月2日 姓 名 郭锴凌 性 别 男 出生年月 1988年7月 籍贯 民 族 汉族 政治面貌 群众 最后学历 博士研究生 最后学位 技术职称 副教授 导师类别 博、硕导 行政职务 Email guokl@scut.edu.cn 工作单位 电子与信息学院 邮政编码 510640 通讯地址 30号楼626 单位电话 个人简介 2017年6月获得华南理工大学信息与通信工程博士学位,博士期间受国家留学基金委资助赴澳大利亚悉尼科技大学联合培养(2015年1月至2017年1月)。研究方向为计算机视觉、深度学习模型压缩、人体数据分析,发表高水平论文近20篇,并担任IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics、IEEE Transactions on Image Processing、IEEE Access等期刊审稿人。近三年主持国家级项目1项,省部级项目2项,校级项目1项,并参与多项国家级重点项目。 教育经历 2007.9-2011.6  华南理工大学,信息工程,本科2011.9-2017.6  华南理工大学,信息与通信工程,博士2015.1-2017.1  悉尼科技大学,国家留学基金委资助联合培养博士 社会、学会及学术兼职 IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics、IEEE Transactions on Image Processing、IEEE Access等期刊审稿人 研究领域 计算机视觉、机器学习、深度学习 科研项目 1. 国家自然科学基金青年基金,基于张量结构的深度卷积神经网络轻量化模型设计,2019.01-2021.12(项目经费27万元,主持)2. 中国博士后科学基金面上项目一等资助,低秩结构性质在深度学习模型优化中的应用,2018.05-2020.06(项目经费8万元,主持)3. 广东省自然科学基金,低秩与稀疏性质在深度学习中的应用,2018.05-2021.04(项目经费10万元,主持)4. 广州市重点领域研发计划,超高清与5G融合应用关键技术研究与验证,2021.04-2024.03(项目总经费2000万元,子课题负责人)5. 华南理工大学中央高校业务费,结构化特征在深度学习中的应用,2018.09-2020.08(项目经费10万元,主持) 发表论文 [1] Kailing Guo, Liu Liu, Xiangmin Xu, Dong Xu, and Dacheng Tao, “GoDec+: Fast and Robust Low-rank Matrix Decomposition Based on Maximum Correntropy”, IEEE Transactions on Neural Network and Learning Systems, 2018 (TNNLS,JCR一区,影响因子11.683). [2] Kaiing Guo, Xiangmin Xu, and Dacheng Tao, “Discriminative GoDec+ for Classification”, IEEE Transactions on Signal Processing , 2017(TSP,JCR一区,影响因子4.203). [3] Kailing Guo, Tong Zhang, Xiangmin Xu, and Xiaofen Xing, “Low-Rank Tensor Thresholding Ridge Regression”,IEEE Access, 2019 (JCR一区,影响因子4.098).[4] Kailing Guo, Xiaona Xie, Xiangmin Xu, and Xiaofen Xing, “Compressing by Learning in a Low-Rank and Sparse Decomposition Form”,IEEE Access, 2019 (JCR一区,影响因子4.098).[5] Zhenquan Lin, Kailing Guo, Xiaofen Xing, Xiangmin Xu," Weight Evolution: Improving Deep Neural Networks Training through Evolving Inferior Weight Values", ACM International Conference on Multimedia, 2021(CCF A类会议).[6] Yucheng Cai, Zhuowen Yin, Kailing Guo, Xiangmin Xu, "Pruning the Unimportant or Redundant Filters? Synergy Makes Better",  International Joint Conference on Neural Networks, 2021(领域知名会议,本科生一作). [7] Kailing Guo, Xiangmin Xu, Bolun Cai, Tong Zhang, “Joint Latent Space and Multi-view Feature Learning”, International Conference on Internet Multimedia Computing and Service, 2017(最佳学生论文提名奖)[8] Kailing Guo, Xiangmin Xu, Fuhao Qiu, Jiayong Chen, “A novel incremental weighted PCA algorithm for visual tracking”, International Conference on Image Processing, 2013(领域知名会议)[9] Bolun cai, Xiangmin Xu, Kailing Guo, Kui Jia, Bin Hu, Dacheng Tao, A Joint Intrinsic-Extrinsic Prior Model for Retinex, IEEE International Conference on Computer Vision, 2017(CCF A类会议)[10] Fang Liu, Xiangmin Xu, Tong Zhang, Kailing Guo, Lin Wang, Exploring privileged information from simple actions for complex action recognition, Neurocomputing, 2020(JCR一区,影响因子 4.072)[11] Haoyu Li, Xiangmin Xu, Bolun Cai, Kailing Guo, Xiaofen Xing, “Style Transfer at 100+ FPS Via Sub-Pixel Super-Resolution”, IEEE International Conference on Multimedia and ExpoWorkshops 2018(CCF B类会议).[12] Jiangfeng Xiong, Xiangmin Xu, Bolun Cai, Xiaofen Xing, Kailing Guo, “Learning Adaptive Selection Network for Real-Time Visual Tracking”, IEEE International Conference on Multimedia and Expo2018(CCF B类会议).[13] Lin Wang, Xiangmin Xu, Kailing Guo, Bolun Cai, “Visual Sentiment Analysis with Noisy Labels by Reweighting Loss”, IEEE International Conference on Systems, Man and Cybernetics, 2018(CCF B类会议).[14] Xiaoyi Jia, Xiangmin Xu, Bolun Cai, Kailing Guo, “Single Image Super-Resolution Using Multi-scale Convolutional Neural Network”, Pacific-Rim Conference on Multimedia, 2017(领域知名会议) 科研创新 [1] 郭锴凌、周欣欣、徐向民,一种联合量化与剪枝搜索的模型压缩方法及其系统, ZL202110620864.3[2] 徐向民、郭锴凌、施仁立、唐永毅,基于稀疏编码慢特征函数的行为识别方法, ZL201410259135.X[3] 徐向民、郭锴凌、苗捷,场景感知方法, ZL201110039695.0[4] 徐向民、张南海、郭锴凌、钟岳宏、陈永彬,一种利用运动模糊信息的物体跟踪方法, ZL201410280387.0 教学活动 《数据结构》、《Python程序语言基础》、《深度学习》

内容来自集群智慧云企服 软件著作权666元代写全部资料全国受理