科研导师
Jiang老师讲师，清华博士
导师介绍
研究领域：人工智能,无线通信 学术成果：在IEEE Trans等高水平期刊中发表了40多篇SCI和EI索引论文，包括3篇ESI高被引论文和2篇ESI热点论文； 授权发明专利2项； 担任IEEE TNNLS, T-ITS, TGCN, TNSE, TKDE, TWC等期刊和会议审稿人。
面向深度学习的图像数据增强关键技术研究
- 课题名称
- 面向深度学习的图像数据增强关键技术研究
- 学科专业
- 课题关键词
- 辅导模式
- 1对1
- 发表目标
- SCI期刊4区
- 课题介绍
- 近年来，深度学习技术在计算机视觉领域取得显著进展，其在图像分类、目标检测、语义分割等任务中的性能提升高度依赖大规模高质量标注数据。然而，现实场景中，数据采集成本高、标注过程耗时长、特殊领域数据稀缺（如医疗影像、遥感图像）等问题普遍存在，导致训练数据量不足，易引发模型过拟合、泛化能力薄弱等问题，严重制约深度学习模型的实际应用效果。 数据增强技术通过对原始图像进行合理变换（如旋转、裁剪、颜色抖动等）生成新样本，能够有效扩充数据集规模、丰富样本多样性，是缓解数据稀缺问题的关键手段。传统数据增强方法多依赖人工设计变换策略，泛化性有限；基于深度学习的增强方法（如生成对抗网络、自监督学习驱动的增强）虽能生成更逼真、多样化的样本，但存在生成样本质量不稳定、变换逻辑与任务关联性弱等挑战。因此，深入研究面向深度学习的图像数据增强关键技术，探索高效、自适应、任务导向的增强方法，对提升模型在数据受限场景下的鲁棒性与泛化能力具有重要理论价值与应用意义。
导师信息
招生要求
面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。