个人介绍
我是一名统计学博士生,专注于研究计算机视觉领域中的小样本问题。我的研究方向主要涉及深度学习、图像处理和统计分析等方面。在我的研究中,我致力于探索如何利用有限的数据来训练高效的深度神经网络,并解决小样本问题。我的研究成果已经发表在多个国际会议和期刊上,并受到了同行的广泛认可。我相信我的专业知识和技能可以为您的研究和实践提供有价值的帮助。如果您需要任何帮助或咨询,请随时与我联系。谢谢!
工作经历
2020-10-01 -2023-03-01腾讯算法实习生
1. 参与算法研发:实习生需要参与团队的算法研发工作,负责开发、优化和测试各种算法模型,同时根据需求进行相应的算法改进和优化。 2. 数据处理和分析:实习生需要对数据进行处理和分析,包括数据清洗、特征提取、数据可视化等工作,以便更好地支持算法研发和模型评估。 3. 算法评估和调优:实习生需要参与算法性能评估和调优工作,包括模型训练、验证和测试等环节,以确保算法的高效性和准确性。 4. 报告撰写和交流:实习生需要撰写相应的报告和文档,记录研究过程和结果,并与团队成员进行交流和讨论,以便更好地推进项目进展
教育经历
2018-09-01 - 2023-06-30复旦大学统计学博士
2014-09-01 - 2018-06-30复旦大学计算机科学与技术本科
资质认证
技能
这是 TIP 论文“非标志性视图中的姿势引导人物图像合成”的代码。整体基于Pytorch框架进行模型搭建。我们在 ./metrics 中提供了多个指标,包括 Inception Score、FID、SSIM 和 M-SSIM。
这是 DMF 在 PyTorch 中的官方实现。 我们的模型能够更好地捕获少样本示例的细粒度语义上下文,从而促进少样本学习的动态知识适应。 由此产生的框架在主要的少样本视觉识别基准上建立了新的最先进技术,包括 miniImageNet 和 tieredImageNet。