控制科学与工程学科 刘宝弟 导师信息

作者:发布者:张欣发布时间:2016-09-29浏览次数:4499

 

个人基本信息                                                                                                                

刘宝弟、副教授、硕士生导师

通讯地址:青岛市黄岛区长江西路66号控制科学与工程学院,邮编:266580            

电子邮箱:thu.liubaodi@gmail.com;liubaodi@upc.edu.cn

教育背景                                                                                                                         

20047月毕业于中国石油大学(华东)电子信息工程专业;

20077月获得中国石油大学(华东)信息与通信工程硕士学位;

20131月获得清华大学信息与通信工程博士学位。

工作背景                                                                                                                     

20134-201612月 中国石油大学(华东)控制科学与工程学院 讲师

20171-至今 中国石油大学(华东)控制科学与工程学院 副教授

20194-20204 University of California, Merced (Ming-Hsuan Yang’s Lab),访问学者 

学术兼职                                                                                                                         

IEEE会员、CCF会员;

ICIG2015ICDM2018ICDM2019ICDM2020CIKM2019 程序委员会委员;

IEEE Transactions on Neural Network and Learning SystemsIEEE Transactions on MultimediaNeurocomputingPattern RecognitionICDMECCVCIKMICIP审稿人。 

研究方向                                                                                                                         

研究方向一:基于深度学习的图像分析与理解

  主要研究深度学习算法(元学习、卷积神经网络、生成对抗网络、图卷积神经网络)以及在图像分析与理解中的应用,包括小样本图像识别、目标检测、点云图像分类、图像标注等。

研究方向二:基于深度学习的数字图像处理技术

  主要研究深度学习算法(元学习、卷积神经网络、生成对抗网络、图卷积神经网络)以及在数字图像处理中的应用,包括图像去噪、图像风格转化、图像超分辨重建、图像去雾、图像去模糊、图像合成等。

研究项目                                                                                                                        

[1] 国家自然科学基金青年基金项目: 再生核希尔伯特空间图像稀疏表达算法研究(项目号:61402535, 201501-201712月,项目负责人)

[2] 山东省自然科学基金面上基金项目: 基于稀疏表示算法的图像深度特征提取与视觉分类器设计 (项目号: ZR2019MF073, 201907-202206, 项目负责人)

[3] 山东省自然科学基金青年基金项目:基于深度稀疏表达算法的图像分类方法研究(项目号:ZR2014FQ001201412-201712月,项目负责人)

[4] 青岛市创新源头项目:非线性子空间基于词典学习的多类分类算法研究(项目号: No. 17-17-1-1-8-jch, 201705-201905月,项目负责人)

[5] 青岛市科技计划项目:非线性子空间图像稀疏表达算法研究(项目号:No.14-2-4-111-jch201409-201609月,项目负责人)

[6] 自主创新科研计划项目:核空间基于词典学习的多类分类方法研究(项目号:16CX02060A201601-201812月,项目负责人)

[7] 自主创新科研计划项目: 核空间数据结构嵌入的稀疏表达算法研究(项目号:14CX02169A201401-201512月,项目负责人)

[8] 山东计算机学会省重点实验室联合开放基金: 基于词典学习的多类分类算法研究(项目号: SDKLCN-2018-01, 201901-202012, 项目负责人)

[8] 苏州丽多数字科技有限公司 技术开发项目: 3D表情驱动算法工程开发 (201812-201906, 项目负责人)

[9] 技术开发项目:基于视频的行人检测技术开发(合同号:1537050200003820151-201612月,项目负责人)

[10] 国家自然科学基金面上项目:非线性模式下非负矩阵集分解研究(项目号:6117111820121-201512月,项目主要成员)

[11] 国家自然科学基金面上项目:基于多视角深度稀疏编码及流形正则化的图像标注研究(项目号:6167148020171-202012月,项目主要成员)

学术成果与获奖                                                                                                            

[1] Shuai Shao, Rui Xu, Wefeng Liu, Bao-Di Liu, Yan-Jiang Wang, Label Embedded Dictionary Learning for Image Classification, Neurocomputing, 385: 122-131, 2020 [SCI二区]

[2] Wenyang Xie, Bao-Di Liu, Shuai Shao, Ye Li, Yanjiang Wang, Sparse Representation and Collaborative Representation? Both Help Image Classification, IEEE ACCESS, 7:76061-76070, 2019 [SCI二区 通讯作者]

[3] Bao-Di Liu, Jie Meng, Wenyang Xie, Shuai Shao, Ye Li, Yanjiang Wang, Weighted Spatial Pyramid Matching Collaborative Representation for Remote-Sensing-Image Scene Classification, Remote Sensing, 11(5):518, 2019 [SCI二区 通讯作者]

[4] Bao-Di Liu, Wen-Yang Xie, Jie Meng, Ye Li, Yanjiang Wang, Hybrid Collaborative Representation for Remote-Sensing Image Scene Classification, Remote Sensing, 10(12): 1934, 2018 [SCI二区 通讯作者]

[5] Xue Li, Bin Shen, Bao-Di Liu, Yu-Jin Zhang, Ranking-Preserving Low-Rank Factorization for Image Annotation with Missing Labels, IEEE transaction on Multimedia, 20(5): 1169-1178, 2018 [SCI二区]

[6] Bao-Di Liu, Liangke Gui, Yuting Wang, Yu-Xiong Wang, Bin Shen, Xue Li, Yan-Jiang Wang, Class Specific Centralized Dictionary Learning for Face Recognition, Multimedia Tools and Applications, 76(3), 4159-4177, 2017 [SCI四区 通讯作者]

[7] Bao-Di Liu, Yu-Xiong Wang, Bin Shen, Xue Li, Yu-Jin Zhang, Yan-Jiang Wang, Blockwise Coordinate Descent Schemes for Efficient and Effective Dictionary Learning, Neurocomputing, 178, 25-35, 2015 [SCI二区]

[8] Bao-Di Liu, Bin Shen, Liangke Gui, Yu-Xiong Wang, Xue Li, Yan-Jiang Wang, Fei Yan, Face Recognition Using Class Specific Dictionary Learning for Sparse Representation and Collaborative Representation, Neurocomputing, 204, 198-210, 2016 [SCI二区 通讯作者]

[9] Bin Shen, Bao-Di Liu, Qifan Wang, Elastic net regularized dictionary learning for image classification, Multimedia Tools and Applications, 75(15), 8861-8874, 2016 [SCI四区 通讯作者]

[10] Xue Li, Bin Shen, Bao-Di Liu, Yu-Jin Zhang, A Locality Sensitive Low-Rank Model for Image Tag Completion, IEEE transaction on Multimedia, 18(3): 474-483, 2016 [SCI二区 通讯作者]

[11] Xue Li, Yu-Jin Zhang, Bin Shen, Bao-Di Liu, Low-rank Image Tag Completion with Dual Reconstruction Structure Preserved, Neurocomputing, 173: 425-433, 2016 [SCI二区]

[12] Bin Shen, Bao-Di Liu, Qifan Wang, Yi Fang, Jan P.Allebach, SP-SVM: Large Margin Classifier for Data on Multiple Manifolds, In Proceedings of the 29th AAAI, 2965-2971, 2015 [Top Conference in Artificial Intelligence]

[13] Bao-Di Liu, Bin Shen, Xue Li, Locality Sensitive Dictionary Learning for Image Classification, In Proceedings of the 22thICIP, 3807-3811, 2015 [CCF B]

[14] Bao-Di Liu, Yu-Xiong Wang, Bin Shen, Yu-Jin Zhang, Martial hebert, Self-Explanatory Sparse Representation for Image Classification, In Proceedings of the 13thECCV, 600-616, 2014 [Top Conference in Computer Vision]

[15] Bao-Di Liu, Yu-Xiong Wang, Bin Shen, Yu-Jin Zhang, Yan-Jiang Wang, Blockwise Coordinate Descent Schemes for Sparse Representation. In Proceedings of the 39thICASSP, 5304-5308, 2014 [CCF B]

[16] Bao-Di Liu, Yu-Xiong Wang, Yu-Jin Zhang, Bin Shen, Learning dictionary on manifolds for image classification, Pattern Recognition, 46(7), 1879-1890, 2013 [ SCI 二区]

发明专利                                                                                                                       

[1] 基于核空间的线性鉴别稀疏表示分类器的设计方法. No. ZL 201610264895.9 国家发明专利 2019

[2] 基于核空间的分类聚集稀疏表示的人脸识别方法. No. ZL201610065827.X 国家发明专利 2017

[3] 基于核空间自解释稀疏表示的分类器设计方法. No. ZL201610070445.6 国家发明专利 2017

[4] 一种基于拉普拉斯嵌入的图像分类词典学习方法和装置,No. ZL 201710447133.7 国家发明专利 2018