广东工业大学计算机学院副教授陈云华2026年硕士招生信息

一、 个人简介

陈云华，博士，INNS及CCF会员，硕士生导师，广东工业大学副教授。主要研究方向为深度学习，计算机视觉，神经形态类脑计算，在NEURAL NETWORKS、IEEE T COGN DEV SYST、NEURAL COMPUT、NEUROCOMPUTING、PATTERN RECOGN、J VIS COMMUN IMAGE R、CVPR、ICPR 、《计算机学报》、《电子学报》、《中国图象图形学报》、《控制理论与应用》、《计算机科学》等国内外重要学术期刊/会议发表论文60余篇。主持省部级项目8项，获得授权专利3项、软件著作权1项。2016年赴英国曼切斯特大学访学，师从ARM之父Steve Furber教授，现为NEURAL NETWORKS、NEURAL COMPUT、PPL INTELL等多个学术期刊的审稿人。

研招网个人主页：https://yzw.gdut.edu.cn/info/1082/2445.htm

二、学术兼职

国际神经网络学会（INNS）会员，中国图象图形学学会（类脑视觉专委会）会员，中国计算机学会（CCF）会员，Electronics杂志编委会成员。

三、招生领域：计算机科学与技术、计算机技术、人工智能、软件工程

四、招生方向

1. 计算机视觉方向： 针对动态视觉传感器（Dynamic Vision Sensor, DVS）数据，对高速运动目标进行检测与识别的技术，包括深度学习方法和脉冲神经网络方法。

2. 脉冲神经网络( Spiking Neural Network, SNN )方向：脉冲编码方式、深度SNN架构、训练算法、SNN的性能优化等。

五、招生要求

1.  已通过广东工业大学计算机学院复试。

2.  具有良好的数学基础、编程能力和较强的责任心。

六、指导学生情况

1.  毕业研究生去向有：华为技术有限公司、杭州海康威视数字技术股份有限公司、抖音有限公司、荣耀手机、广州市公安局，以及读博深造等。

2.  指导的硕士研究生曾获得国家奖学金，“昇腾AI创新大赛”获广州赛区银奖等。

3.  指导本科创新项目若干项，所指导的本科生曾获得第2届“感动广工大十大人物”称号。

4.  指导的本科生团队曾获得“全国并行应用挑战赛”中南赛区一等奖，“粤嵌杯”广东省嵌入式物联网设计大赛获一等奖等。

5.  目前有在研研究生8人。

七、团队优势

1. 新生能获得师兄手把手的指导。

2. 本团队与武汉大学、浙江大学、英国利兹大学研究团队有着深厚的合作基础，优秀学生在毕业后将有机会进入上述团队进一步深造。

八、主要项目

•  广东省自然科学基金项目，事件驱动的低延迟低功耗视觉表示与特征学习（2025A1515012243），2025.01-2027.12，在研，主持。
• 广东省科技计划软科学研究项目，AI+背景下人机协同的科技项目智慧评审范式研究（2026A1010020014），2026.04-2026.10，在研，主持。
• 教育部产学合作协同育人项目，华为昇腾云平台应用师资培训（20250794），2025.08-2026.08，在研，主持。
• 企业项目，恶劣光照环境下的低功耗类脑运动目标跟踪模块研发（2024440002001114），2024.05-2029.05，在研，主持。
• 广东工业大学—华为“智能基座” 产教融合协同育人基地课程建设项目，2025.09-2028.09，在研，主持。
• 广东省自然科学基金项目，转换式深度脉冲卷积网络多性能指标优化研究（2021A1515012233），2021.01-2023.12，已结题，主持。
• 广东省自然科学基金项目，连续自发式表情特征的深度学习表示研究（2016A030313713），2016.06 - 2019.06，已结题，主持。
• 广东省自然科学基金项目，低质量监控视频人脸超分辨率算法研究（2014A030310169），2014.10-2017.10，已结题，主持。
• 广州市科技计划项目，支持小间距LED显示的多屏实时处理器系统的研发（2014Y2-00211），2014.10-2016.10，已结题，主持。
• 广东省科技计划项目，兴宁市水口镇中小微企业信息化公共服务平台建设（2013B040500008），2014.1-2016.10，已结题，主持。
• 广东工业大学—华为“智能基座” 产教融合协同育人基地课程建设项目（2021263302246）2022.09-2025.09，已结题，主持。

九、代表性论文

• C3Net: A cross-modal collaborative calibration of features for object detection using frames and events. Neural Networks,2026.
• Sqkformer: Spiking sparse qkformer with adaptive batch normalization for membrane potential. Neurocomputing, 2026.
• SCNet: Spatio-temporal Feature Aggregation and Cross-modal Interactive Encoding Network for DAVIS Object Detection. The 2025 International Conference on Multimedia Retrieval(ICMR). 2025.
• High-performance deep spiking neural networks via at-most-two-spike exponential coding. Neural Networks, 2024.
• Efficient Spatio-temporal Event Representation Based on Kalman Filtering and Linear Weighted Timestamps. The 2024 International Joint Conference on Neural Networks (IJCNN), 2024.
• Group IF Units with Membrane Potential Sharing for High-Accuracy Low-Latency Spiking Neural Networks. The 2024 International Joint Conference on Neural Networks (IJCNN), 2024.
• Video Small Object Detection with Long Short-Term Feature Enhancement Network. IEEE Conference on Computer Vision and Pattern Recognition (CVPR) ,2023.  
• Tiny object detection with context enhancement and feature purification. Expert Systems with Applications, 2023 .
• RMPE: Reducing Residual Membrane Potential Error for Enabling High-Accuracy and Ultra-low-latency Spiking Neural Networks. The 2023 International Conference on Neural Information Processing(ICONIP),2023.
• Efficient Motion Symbol Detection and Multikernel Learning for AER Object Recognition. IEEE Transactions on Cognitive and Developmental Systems, 2022.
• An adaptive threshold mechanism for accurate and efficient deep spiking convolutional neural networks, Neurocomputing, 2022.
• Accurate and Efficient Frame-based Event Representation for AER Object Recognition. IEEE International Joint Conference on Neural Networks (IJCNN) , 2022.
• Improving the antinoise ability of DNNs via a bio-inspired noise adaptive activation function rand softplus, Neural Computation, 2019.
• 基于脉冲膨胀可分离注意力与频域学习的双域令牌混合器. 计算机应用研究, 2026.
• 时空关键区域增强的小样本异常行为识别. 计算机学报, 2025.
• 基于速率编码的极低延迟深度脉冲神经网络研究. 控制理论与应用, 2025
• 基于脉冲神经元膜电位增量的数据分布统计量及批归一化[J].计算机应用研究,2025
• 自校准首脉冲时间编码神经元模型. 计算机科学, 2024 .
• 融合事件数据和图像帧的车辆目标检测. 计算机应用, 2024.
• 跨脉冲传播的深度脉冲神经网络训练方法. 计算机应用研究, 2024.
• 双向特征融合与特征选择的遥感影像目标检测. 电子学报, 2022.
• 基于事件语境的文本情感原因对特征提取. 控制理论与应用, 2022.
• 基于脉冲频率与输入电流关系的SNN训练算法,计算机工程与应用, 2022.
• 具有混合奖惩信号的脉冲时间依赖可塑性算法,微电子学与计算机, 2022.
• 一种非局部连接的抗噪性储备池构建方法, 控制理论与应用, 2020.
• 时域感兴趣区域精确定位与膜电位多核调整的动态视觉传感器数据分类,控制理论与应用, 2020.

......

十、联系方式

•  电话： 15622273770（林思昶）
•  微信二维码：