首页  学院概况  教师队伍  学科建设与研究生教育  科研平台  教育教学  实验实训  招生就业  工程认证  党建工作  学生工作 
教师队伍
 教师概况 
 高层次教师 
 教授 
 博士 
 教师简介 
教师队伍
您的位置: 首页>教师队伍>正文
王军-硕士生导师
2022-01-19 17:24  

导师简介表

 

 

 

 

汉族

出生日期

1978-12

政治面貌

中共党员

 

15年

 

博士研究生

 

博士

现任职务

教师

技术职称

副教授

办公电话

18942350392

通信地址

南昌工程学院电子信息楼

 

330099

Email

Wangjun012778@126.com

学习及工作经历:

2015.6—现今  南昌工程学院信息工程学院,副教授

2018.7-2019.7  美国德克萨斯州立大学国家公派访学;

2011.9-2015.6  厦门大学,人工智能专业博士研究生

2004.9-2007.6  南昌大学,计算机应用技术专业,硕士研究生。

 

主要研究方向:人工智能技术、计算机视觉与模式识别、视频跟踪

主要讲授课程:

研究生课程:主讲《机器学习与模式识别》等;

本科生课程:主讲《数据结构》、《面向对象程序设计JAVA)》、《程序设计(C语言)、《计算机导论》等。

 

主持及参与的主要科研项目及获奖情况:

主持的科研项目

[1] 国家自然科学基金:基于核非负矩阵分解的核凸包表示与非线性度量学习的目标跟踪,61661033,36万,2017.01-2020.12。(主持)

[2] 江西省自然科学基金面上项目:基于核凸包表示与非线性距离度量学习的目标跟踪方法研究,20161BAB202041,6万,2016.1-2017.12。(主持)

[3] 江西省教育厅科技项目:基于核稀疏表示与在线任务驱动字典学习的目标跟踪,GJJ151127,8万,2016.1-2017.12。(主持)

[4] 江西省教育厅科技项目:基于核仿射包表示与支持向量字典学习的目标跟踪,GJJ180939,8万,2019.1-2021.12。(主持)

[5] 江西省协同感知与智能处理重点实验室开放基金项目:基于正则化核仿射包的目标跟踪及其在自然保护区动物跟踪中的应用,2016WICSIP019,1万,2016.6-2019.12。 (主持)

[6] 图像识别算法研发与应用,05220059,3万,2022.1-2023.12 (主持)

 

参与的科研项目:

[1] 国家自然科学基金项目:基于可伸缩自适应距离度量与支持向量字典学习的目标跟踪,61861032,39万,2019.01-2022.12。(参与)

[2] 国家自然科学基金项目:维分割和压缩视角下均衡搜索粒子群优化算法及在电力系统调度的应用,61703199,20万,2018.01-2020.12。(参与)

[3] 国家自然科学基金项目:基于内容的大规模近似图像检索及挖掘技术研究,61572408,64万,2016.01-2019.12。(参与)

[4] 国家自然科学基金项目:基于多信息融合的自然场景图像中的文本检测和识别方法研究,61305004,20万,2014.01-2016.12。(参与)

 

教学成果奖:计算机科学与技术专业复合型卓越人才“一二三”培养模式探索与实践,南昌工程学院,2020年排名2/5 

 

以第一作者和通讯作者发表论文列表:

[1] Yuanyun Wang, Wenshuang Zhang, Changwang Lai, Jun Wang*, Adaptive temporal feature modeling for visual tracking via cross-channel learning, Knowledge-based Systems, 265 (2023) 110380, http://doi.org/10.1016/j.knosys.2023. 110380. (SCI一区)

 

[2] Jun Wang, Chenchen Meng, Chengzhi Deng, and Yuanyun Wang, Learning Attention Models for Visual Tracking, Signal, Image and Video Processing, 2022,  DOI:10.1007s11760-022-02177-4. (SCI)

 

[3] Jun Wang, Chenchen Meng, Chengzhi Deng, and Yuanyun Wang, Learning convolutional self-attention module for unmanned aerial vehicle tracking, Signal, Image and Video Processing, 2022, https://doi.org/10.1007/s11760-022-02449-z.  (SCI )  

 

[4] Chenchen Meng, Jun Wang*, Chengzhi Deng, Yuanyun Wang, and Shengqian Wang*, Convolutional Neural Networks based Dictionary Pair Learning for Visual Tracking, IEICE Transactions on Fundamentals of Electronics Communications and Computer Sciences, Vol. E105-A, No.8, pp.1-10, Aug. 2022. (SCI)

 

[5] Jun Wang, Limin Zhang, Wenshuagn Zhang, Yuanyun Wang, Chengzhi Deng,  SGAT: Shuffle and Graph Attention based Siamese Networks for Visual Tracking, PLOS One, 17(11), 2022, 10.1371/journal.pone.0277064. (SCI)  

 

[6] Jun Wang, Limin Zhang, Yuanyun Wang, Changwang Lai, Wenhui Yang, Chengzhi Deng, SiamLST: Learning Spatial and Channel-wise Transform for Visual Tracking, Tehnički vjesnik-Technical Gazette, 29 (4), 2022: pp. 1202-1209. (SCI)

 

[7] Yuanyun Wang, Wenshuang Zhang, Limin Zhang, Jun Wang*, Siamese Network with a Depthwise Over-parameterized Convolutional Layer for Visual Tracking, PLOS One, 17 (8), 2022: pp. 1-21. (SCI)  

 

[8] Jun WangYuanyun Wang, and Hanzi Wang, Adaptive appearance modeling with point-to-set metric learning for visual tracking, IEEE Transactions on Circuits and Systems for Video Technology, 27(9), 2017, pp. 1987-2000. (SCI.)

 

[9] Jun Wang, Hanzi Wang, and Yan Yan, Robust visual tracking by metric learning with weighted histogram representations, Neurocomputing, 153 (2015): 77-88. (SCI)

 

[10] Jun Wang, Hanzi Wang, Wan-Lei Zhao, Affine Hull based Target Representation for Visual Tracking, Journal of Visual Communication and Image Representation, 30(2015) : 266-276.  (SCI )

 

[11] Jun Wang, Yuanyun Wang, Chengzhi Deng*, Shengqian Wang, and Yong Qin, Regularized Kernel Representation for Visual Tracking, IEICE Transactions on Fundamentals of Electronics Communications and Computer Sciences, Vol. E101-A, No.4, pp.668-677, Apr. 2018. (SCI)

 

[12] Jun Wang, Yuanyun Wang, Chengzhi Deng*, and Shengqian Wang, Robust visual tracking based on Convex hull with EMD-L1, Pattern Recognition and Image Analysis, 28(1), 2018, pp. 44-52. (EI)

 

[13] Jun Wang, Yuanyun Wang, Ke Wang, and Chengzhi Deng*, L1 regularized hull representation for visual tracking, Journal of Information Hiding and Multimedia Signal Processing, 9(2),2018, pp. 313-324. (EI)

 

[14] Jun WangYuanyun Wang, Chengzhi Deng, Huasheng Zhu and Shengqian Wang, Convex hull for visual tracking with EMD, IEEE International Conference on Audio, Language and Image Processing, 2016, pp. 433-437. (EI)

 

[15] Jun WangYuanyun Wang, Chengzhi Deng, Huasheng Zhu, Shengqian Wang and Li Lv, Sparse affine hull for visual tracking, International Conference on Digital Home, 2016,  pp. 85-88. (EI)

 

[16] Jun Wang, Yuanyun Wang, Chengzhi Deng*, and Shengqian Wang, Kernelized convex hull for visual tracking, International Conference on progress in informatics and computing, 2017, 159-163. (EI)

 

[17] Jun Wang, Yuanyun Wang, Shaoquan Zhang, Chenguang Xu, Chengzhi Deng, Dictionary Learning for Visual Tracking with Dimensionality Reduction, IEEE International Conference on Image, Vision and Computing, 2020, pp.251-255. (EI)

 

[18] Jun Wang, Zhanghua Wang, Shuaibin Xi, Yuanyun Wang*, Chenguang Xu, and Jun Zhang, Bayesian Matrix Factorization for Visual tracking, International Conference on progress in informatics and computing, 2020, pp. 89-93. (EI)

 

[19] Jun Wang, Limin Zhang, Yuanyun Wang, Wenshuang Zhang, Changwang Lai, Chengzhi Deng, Learnable Sparse Transform Siamese Attention Networks for Visual Tracking, International Conference on Computer Engineering and Artificial Intelligence, 2021, pp. 350-354. (EI) 

 

专著及发明专利:

1.授权发明专利:王军,等,基于混合卷积与自注意力的聚合网络目标跟踪方法与系统,2022111776928。

2.授权发明专利:王军 等,基于多尺度层次化特征表示的目标跟踪方法与系统,2022109934957。

3.授权发明专利:王军 等,基于卷积神经网络字典对学习的目标跟踪方法与系统, 2021107074294。

4. 授权发明专利:王军 等,基于卷积自注意力模块的孪生网络目标跟踪方法与系统,授权专利号:2021112619421.

5. 授权发明专利:王军 等,基于可学习稀疏转换孪生注意力机制目标跟踪方法与系统,授权专利号:2021109291604.

6.实用新型专利:王军 等,一种视频目标协同跟踪装置,ZL202022047974.9。

7.实用新型专利:王军 等,一种道路测速视频跟踪装置,ZL202022080626.1。

 

学生培养:

   培养人工智能、计算机视觉与模式识别等领域的科研、工程应用的研究生。要求学生为人诚实、积极向上;有较好的数学、英语基础以及编程能力。

 

 

 

关闭窗口
 
访问量人数:

 

南昌工程学院 版权所有