博士生复试：计算机视觉方向，深度学习与目标检测算法研究12

个人信息

姓名：张三性别：男出生日期：1995年1月1日联系电话：138XXXXXXXX 邮箱：zhangsan@

教育背景

2017.09 – 2023.06 博士研究生，计算机科学与技术，清华大学

导师：李四教授 (国家杰出青年科学基金获得者)

研究方向：计算机视觉，深度学习，目标检测算法

2013.09 – 2017.06 本科，计算机科学与技术，北京大学

GPA: 3.8/4.0 排名：专业前 5%

研究经历

我的博士研究主要集中在基于深度学习的目标检测算法的优化和改进，尤其关注在复杂场景下的小目标检测以及实时性要求高的应用场景。我的研究成果显著，体现在以下几个方面：

1. 高效轻量级目标检测算法研究：针对移动端和嵌入式设备的实时性要求，我设计并实现了基于轻量级神经网络架构的改进型目标检测算法。通过对网络结构的剪枝、量化以及知识蒸馏等技术，在保证检测精度的前提下，将模型大小降低了 70%，推理速度提升了 3 倍以上。相关工作已发表在IEEE Transactions on Image Processing期刊上，并获得了较高的引用率。论文标题为：《Lightweight Object Detection Algorithm based on Optimized MobileNetV3》

2. 复杂场景下小目标检测算法研究：小目标检测一直是计算机视觉领域的难题。针对这一问题，我提出了一种基于多尺度特征融合和注意力机制的改进型目标检测算法。该算法通过有效地利用不同尺度的特征信息，并结合注意力机制来突出小目标的特征，显著提升了小目标的检测精度。相关研究成果已投稿至CVPR 2024，目前处于评审阶段。

3. 目标检测算法在自动驾驶领域的应用研究：我将所研发的目标检测算法应用于自动驾驶系统中，并参与了自动驾驶车辆的实际测试和评估工作。通过对算法在实际场景中的性能进行分析和优化，显著提升了自动驾驶系统的安全性可靠性。

4. 参与国家重点研发计划项目：参与了国家重点研发计划“新一代人工智能”重点专项，负责其中目标检测算法模块的设计与实现。该项目旨在研发高精度、高可靠性的目标检测算法，用于智慧城市、智能交通等领域。

技能与工具

• 编程语言：Python (熟练)、C++ (熟练)、MATLAB (熟练)

• 深度学习框架：TensorFlow (熟练)、PyTorch (熟练)、Caffe (熟悉)

• 目标检测算法：YOLO系列、Faster R-CNN、Mask R-CNN、SSD等

• 机器学习算法：SVM、决策树、随机森林等

• 图像处理工具：OpenCV (熟练)

• 云计算平台：AWS (熟悉)、Google Cloud Platform (熟悉)

获奖情况

• 2021年国家奖学金

• 2020年清华大学优秀研究生