基本信息
姓 名： 伍家松 性 别： 男 出生年月： 请输入
学 位： 博士 职 称： 副教授 资 格： 硕士生导师
行政机构： 影像科学与技术系 研究方向： 深度学习，信号与图像处理
电 话： ** 传 真：
电子邮件： jswu@seu.edu.cn
地 址： 四牌楼2号 邮 编： 210096


详细信息
一、学习及工作经历
2020/05-至今， 东南大学， 计算机科学与工程学院影像科学与技术系，副教授
2012/03-2020/04，东南大学，计算机科学与工程学院影像科学与技术系，讲师
2009/07–2012/03， 雷恩第一大学， 信号处理与通信， 博士(中法联合培养)，导师：Lotfi Senhadji教授
2007/03–2012/11， 东南大学， 生物医学工程， 博士， 导师：舒华忠教授
2005/09–2007/03， 东南大学， 生物医学工程， 硕士研究生(提前攻博)，导师：於文雪副教授
2001/09–2005/06， 南华大学， 生物医学工程， 学士， 导师：赵修良教授

二、科研获奖
2018年江苏省教育科学研究成果奖三等奖1项(排名第2)。
2017年国家科技进步二等奖1项(排名第13)。
2012年获教育部自然科学二等奖1项(排名第3)。
2010年中国国家留学基金委“国家优秀自费留学生奖学金”。
2009年法国外交部“艾菲尔(Eiffel)博士奖学金”。

三、承担项目
国家自然科学基金面上项目1项《复数及四元数域卷积神经网络的构造方法及其应用研究》(2019-2022)
国家自然科学基金青年项目1项《基于压缩感知,矩阵填充和鲁棒的主成分分析的四元数信号处理方法研究》(2013-2015)



四、论文发表和专利申请
研究方向：深度学习，卷积网络，图像和视频描述，自监督学习，离散正交变换等。自2008年以来，发表学术论文71篇，其中SCI论文39篇，包括8篇IEEE Transactions 系列论文。申请专利18项，目前已经授权13项。
4.1研究方向
4.1.1 卷积网络的构造
1. 分数阶小波散射网络。构造了一种新的结构简单的分数阶小波散射网络，该网络是将复数小波（包括Morlet小波与双数复数小波）扩展到分数阶域并根据散射网络的结构构建而成，证明了网络的能量收敛性。该网络在MICCAI 2015 腺体分割任务中比传统的小波散射网络具有更好的性能，甚至与结构复杂的多层卷积神经网络具有相当地性能。成果发表于生物医学工程领域权威期刊《IEEE Transactions on Biomedical Engineering》【10】。
2. 主成分分析网络的解释与推广。K-L变换(Karhunen–Loève Transform)在模式识别领域又被称为主成分分析(Principal Component Analysis: PCA)，是一种经典的特征提取方法。可解释性人工智能(Artificial Intelligence: AI)是当前深度学习研究领域的热点之一。研究组从图像能量的角度对主成分分析网络(Principal Component Analysis Network: PCANet)进行了解释，论文发表在人工智能领域知名期刊《Neurocomputing》【12】。在此基础上，为了更有效的处理彩色图像，研究组将PCANet扩展到四元数域，提出了四元数主成分分析网络(Quaternion PCANet: QPCANet)，成果发表于人工智能领域知名期刊《Neurocomputing》【21】。为了更有效的处理任意维度的张量类型数据，研究组提出了多线性主成分分析网络(Multilinear PCANet: MPCANet)，成果发表于期刊《IEEE Access》【17】。
3.四元数Softmax分类器。构造了一种新的四元数Softmax分类器，使之能够对四元数特征(比如: 彩色图像的四元数表达矩阵、四元数主成分分析特征等)进行正确的分类。成果发表于信号处理领域知名期刊《Electronic Letters》【24】。
4. 八元数卷积神经网络的构造与应用。深度学习是机器学习方法和应用领域中的一个热门研究主题。实值神经网络（Real NNs），尤其是深度实数网络（DRNs）已广泛用于许多研究领域。近年来，深度复数网络（DCN）和深度四元数网络（DQN）引起了越来越多的关注。八元数代数是复数代数和四元数代数的扩展，可以提供更有效和紧凑的表达式。研究组构建了一个深度八元数网络(DON)的通用框架，并提供了诸如八元数卷积，八元数批量归一化和八元数权重初始化等DON的主要构建模块。然后，将DON用于CIFAR-10和CIFAR-100数据集的图像分类任务中。与DRN，DCN和DQN相比，提出的DON具有更好的收敛性和更高的分类精度。DON的成功还可以通过多任务学习来解释。论文发表在《Neurocomputing 》杂志【1】。

4.1.2 图像描述和视频描述
4.1.2.1 图像描述(Image Caption)
图像描述生成（Image Caption）是一个融合计算机视觉、自然语言处理和机器学习的综合问题，它类似于翻译一幅图像为一段描述文字("看图说话")。该任务对于人类来说非常容易，但是对于机器却非常具有挑战性，它不仅需要利用模型去理解图片的内容并且还需要用自然语言去表达它们之间的关系。除此之外，模型还需要能够抓住图像的语义信息，并且生成人类可读的句子。
直观的感知图像描述技术可以观看李飞飞教授的“如何教计算机理解图片”视频！

4.1.2.2 视频描述(Video Caption)
视频描述是计算机对视频生成一段文字描述，这对在线的视频的检索等有很大帮助。不同于图像这种静态的空间信息，视频除了空间信息还包括时序信息，同时还有声音信息，这就表示一段视频比图像包含的信息更多，同时要求提取的特征也就更多，这对生成一段准确的文字描述是重大的挑战。
具体可以参考：
Xu J, Mei T, Yao T, et al. MSR-VTT: A large video description dataset for bridging video and language[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2016: 5288-5296.
S. Venugopalan, M. Rohrbach, J. Donahue, R. J. Mooney, T. Darrell, and K. Saenko. Sequence to sequence - video to text. In ICCV, 2015.

4.1.3 语音处理
4.1.3.1 语音分离/鸡尾酒会问题(Speech separation/Cocktail Party Problem)
多说话人语音分离技术，从广义上讲是从一段包含多人说话声及噪声的音频信号中把不同类别的声音信号区分开来，以在嘈杂的环境中关注指定语音的技术。语音分离技术对于推动未来人机交互有着不可或缺的奠基作用。
直观的感知语音分离技术可以观看谷歌的“谷歌最新黑科技，能分离两个人声”视频！

4.1.3.2 语音合成(Speech Synthesis/ Text-To-Speech)
语音合成即将文字用语音发出来，实现“让机器说话”。2016年谷歌发布语音合成网络WaveNet开始,深度学习在语音合成技术上的研究迅速发展，至今提出了许多新的模型和技术。
比如：“克隆你的声音”项目，“由声音生成人脸”语音画像项目，“由声音生成动作”项目等。

4.2 SCI论文列表

Arxiv：
[1]Jiasong Wu*, Taotao Li, Youyong Kong, Guanyu Yang, Lotfi Senhadji, Huazhong Shu. SLNSpeech: solving extended speech separation problem by the help of sign language. 2020. arXiv: 2007.10629.
[2]Jiasong Wu*, Jing Zhang, Fuzhi Wu, Youyong Kong, Guanyu Yang, Loti Senhadji, Huazhong Shu. Generative networks as inverse problems with fractional wavelet scattering networks. 2020. arXiv: 2007.14177.
[3]Jiasong Wu*, Fuzhi Wu, Jieyuan Liu, Youyong Kong, Xu Han, Lotfi Senhadji, Huazhong Shu. Phase-only signal reconstruction by MagnitudeCut.arxiv: 1603.00210.
已发表：

[1]J.S. Wu*, L. Xu, F.Z. Wu, Y.Y. Kong, L. Senhadji, H.Z. Shu. Deep octonion networks. Neurocomputing, vol. 397, pp. 179-191, 2020.
[2]J.S. Wu*, F.Z. Wu, Q.H. Yang, Y. Zhang, X.L. Liu,Y.Y. Kong, L. Senhadji, H.Z. Shu, Fractional spectral graph wavelets and their applications. Mathematical Problems in Engineering. Vol. 2020, Article ID **, 18 Pages.
[3]Li Liu, Da Chen, Laurent D. Cohen, Jiasong Wu, Michel Paques, Huazhong Shu*, Anisotropic tubular minimal path model with fast marching front freezing scheme, Pattern Recognition, vol. 104, 2020, doi: https://doi.org/10.1016/j.patcog.2020.107349
[4] Aodong Shen, Han Dong, Kun Wang, Youyong Kong, Jiasong Wu, Huazhong Shu. Automatic extraction of blur regions on a single image based on semantic segmentation. IEEE Access, vol. 8, pp. 44867- 44878, 2020.
[5]Peng Yang, Guowei Yang, Xun Gong, Pingping Wu, Xu Han, Jiasong Wu, Caisen Chen. Instance segmentation network with self-distillation for scene text detection.IEEE Access, vol. 8, pp. 45825 – 45836, 2020.
[6]Y. Zhang, J. S. Wu, Y.Y. Kong, G. Coatrieux, H.Z. Shu. Image denoising via a non-local patch graph total variation. PLOS ONE, vol. 14, no. 12, pp. 1-16, 2019.
[7]Y. Y. Kong, J.S. Wu, G.Y. Yang, Y.L. Zuo, Y. Chen, H.Z. Shu, J.L. Coatrieux. Iterative spatial fuzzy clustering for 3D brain magnetic resonance image supervoxel segmentation. Journal of Neuroscience Methods, vol. 311, pp. 17-29, 2019.
[8]R.J. Ge, G.Y. Yang, J.S. Wu, Y. Chen*, G. Coatrieux, L.M. Luo. A novel chaos-based symmetric image encryption using bit-pair level process. IEEE Access, vol. 7, no. 1, pp. 99470-99480, 2019.
[9]X.L. Liu*, Y.F. Wu, Z.H. Shao, J.S. Wu. The modified generic polar harmonic transforms for image representation. Pattern Analysis and Applications. https://doi.org/10.1007/s10044-019-00840-0
[10]L. Liu, J. S. Wu, D. W. Li, L. Senhadji, H. Z. Shu*. Fractional wavelet scattering network and applications. IEEE Transactions on Biomedical Engineering, vol. 66, no. 2, pp. 553-563, 2019.
[11]J.S. Wu*, F.Z. Wu, Z.F. Dong, K.W. Song, Y.Y. Kong, L. Senhadji, H.Z. Shu. Fast gray code kernel algorithm for the sliding conjugate symmetric sequency-ordered complex Hadamard transform. IEEE Access, vol. 6, no. 1, 2018: 56029-56045.
[12]J. S. Wu*, S. J. Qiu, Y. Y. Kong, L. Y. Jiang, Y. Chen, W. K. Yang, L. Senhadji, H. Z. Shu. PCANet: An energy perspective. Neurocomputing, vol. 313, pp. 271-287, 2018.
[13]Xilin Liu, Yongfei Wu, Zhuhong Shao, Jiasong Wu, Huazhong Shu. Color image watermarking using a discrete trinion Fourier transform. Journal of Electronic Imaging, 2018, 27 (4):043046-1-14.
[14]L. Y. Jiang, R.G. He, J. Liu, Y. Chen, J.S. Wu, H.Z. Shu. Phase-constrained parallel magnetic resonance imaging reconstruction based on low-rank matrix completion. IEEE Access, vol. 6, pp. 4941-4954, 2018.
[15]L.Y. Jiang, R.G. He, Y.P. Hong, J.S. Wu, H.Z. Shu. Two-dimensional active raypath separation using examination of the roots of the spectrum polynomial. The Journal of the Acoustical Society of America, vol. 142, no. 4, pp. EL408-EL414, 2017.
[16]W. Yang, H. Zhang, J. Yang, J. Wu, X. Yin, Y. Chen, H. Shu, L. Luo, G. Coatrieux, Z. Gui, Q. Feng. “Improving low-dose CT image using residual convolutional network,” IEEE Access, vol. 5, pp. 24698-24705, 2017.
[17]Jiasong Wu*, Shijie Qiu, Rui Zeng, Youyong Kong, Lotfi Senhadji, Huazhong Shu. Multilinear principal component analysis network for tensor object classification. IEEE Access, vol. 5, pp. 3322-3331, 2017.
[18]Xilin Liu, Guoniu Han, Jiasong Wu, Zhuhong Shao, Gouenou Coatrieux, and Huazhong Shu*. Fractional Krawtchouk transform with an application to image watermarking. IEEE Transactions on Signal Processing, vol. 65, no. 7, pp. 1894-1908, 2017.
[19]Zhang J, Wu J, Coatrieux J L, et al. A Correlation Based Strategy for the Acceleration of Nonlocal Means Filtering Algorithm. Mathematical Problems in Engineering, pp. 1-7, 2016.
[20]Zhuhong Shao, Yuanyuan Shang, Rui Zeng, Huazhong Shu, Gouenou Coatrieux, Jiasong Wu. Robust watermarking scheme for color image based on quaternion-type moment invariants and visual cryptography. Signal Processing: Image Communication. Volume 48, October 2016, Pages 12–21.
[21]Zeng R, Wu J S*, Shao Z H, Chen Y, Senhadji L, Shu H Z. Color image classification via quaternion principal component analysis network. Neurocomputing, vol. 216, pp. 416-428, 2016.
[22] B.J. Chen, G. Coatrieux, J.S. Wu, Z.F. Dong, J.L. Coatrieux, H.Z. Shu. Fast computation of sliding discrete Tchebichef moments and its application in duplicated regions detection. IEEE Trans. Signal Processing, vol. 63, no. 20, pp. 5424-5436, 2015.
[23] Z. H. Shao, Y. P. Duan, G. Coatrieux, J. S. Wu, J. Y. Meng, H. Z. Shu. Combining double random phase encoding for color image watermarking in quaternion gyrator domain. Optics Communications, vol. 343, pp. 56-65, 2015.
[24] R. Zeng, J.S. Wu*, Z.H. Shao, L. Senhadji, H.Z. Shu. Quaternion softmax classifier. IET Electronics Letters, vol. 50, no. 25, pp. 1929-1930, 2014.
[25] F. Liao, J. L. Coatrieux, J.S. Wu, Huazhong Shu. A new fast algorithm for constrained four-directioal total variation image denoising problem. Mathematical Problems in Engineering, 2014, Article ID 815132, pp. 1-11.
[26] X. Han, J.S. Wu, L. Wang, Y. Chen, L. Senhadji, H.Z. Shu. Linear Total Variation Approximate Regularized Nuclear Norm Optimization for Matrix Completion, Abstract and Applied Analysis, 2014, Article ID 765782, pp. 1-8.
[27] Y. Chen, H.Z. Shu, J. Yang, J.S. Wu, L.M. Luo, J. L. Coatrieux. 2-D Impulse noise suppression by recursive Gaussian maximum likelihood estimation. PLoS ONE, e96386, vol. 9, no. 5, pp. 1-14, 2014.
[28] Z.H. Shao, H.Z. Shu, J.S. Wu, Z.F. Dong, G. Coatrieux, J. L. Coatrieux. Double color image encryption using iterative phase retrieval algorithm in quaternion gyrator domain. Optics Expresses, vol. 22, no. 5, pp. 4932-4942, 2014.
[29] Z.H. Shao, H.Z. Shu, J.S. Wu, B.J. Chen, J. L. Coatrieux. Quaternion Bessel-Fourier moments and their invariant descriptors for object reconstruction and recognition. Pattern Recognition, vol. 47, no. 2, pp. 603-611, Feb. 2014.
[30] J. Wang, S. J. Wang, Y. Chen, J.S. Wu, J. L. Coatrieux, and L. M. Luo. Metal artifact reduction in CT using fusion based prior image. Med. Phys. 2013, 40 (8), 081903-1-8.
[31] J.S. Wu, L. Wang, G. Y. Yang, L. Senhadji, L. M. Luo, H. Z. Shu. Sliding conjugate symmetric sequency-ordered complex Hadamard transform: fast algorithm and applications. IEEE Trans Circuits Syst-I: Regular Papers, 2012, 59 (6): 1321-1334.
[32] H. Z. Shu, J.S. Wu, C. F. Yang, L. Senhadji. Fast radix-3 algorithm for the generalized discrete Hartley transform of type II. IEEE Signal Process Lett, 2012, 19(6): 348-351.
[33] B. Wang, J. S. Wu, H. Z. Shu, L. M. Luo, Shape description using sequency-ordered complex Hadamard transform. Optics Commun., 2011, 284(12): 2726-2729.
[34] J.S. Wu, H.Z. Shu, L. Wang, L. Senhadji. Fast algorithms for the computation of sliding sequency-ordered complex Hadamard transform. IEEE Trans. Signal Process., 2010, 58(11): 5901-5909.
[35] L.Y. Jiang, H.Z. Shu, J.S. Wu, L. Wang, L. Senhadji. A novel split-radix fast algorithm for 2-D discrete Hartley transform. IEEE Trans. Circuits Syst.-I, 2010, 57(4): 911-924.
[36] J.S. Wu, H.Z. Shu, L. Senhadji, L.M. Luo. Mixed-radix algorithm for the computation of forward and inverse MDCTs. IEEE Trans. Circuits Syst.-I, 2009, 56(4): 784-794.
[37] H.Z. Shu, J.S. Wu, L. Senhadji, L.M. Luo. New fast algorithm for modulated complex lapped transform with sine windowing function.IEEE Signal Process. Lett., 2009, 16(2): 93-96.
[38] J.S Wu, H.Z. Shu, L. Senhadji, L.M. Luo. Radix-3×3 algorithm for the 2-D discrete Hartley transform. IEEE Trans. Circuits Syst. -II, 2008, 55(6): 566-570.
[39] J.S. Wu, H.Z. Shu, L. Senhadji, L.M. Luo. A fast algorithm for the computation of 2-D forward and inverse MDCT. Signal Process., 2008, 88(6): 1436-1446.
[40] H.Z. Shu, J.S. Wu, L. Senhadji, L.M. Luo. Radix-2 algorithm for the fast computation of type-III 3-D discrete W transform. Signal Process., 2008, 88(1): 210-215.


五、所教课程
计算机学院大二本科生课程《信号与系统》
软件学院大三本科生课程《运筹学》、《深度学习导论》
东南大学苏州软件学院研究生课程《机器学习》

六、人才培养
联合培养硕士研究生19名,在读14名。
6.1 在读研究生
2020级：李清淳、孙域、殷哲贤、郭宗辉
2019级：陈曦、王晨琳、文智奕、孟凡满
2018级：李晓燕、李桃桃、李蒙、闻婷、何东升

6.2毕业研究生
徐玲(硕士，2020年毕业，国网铜陵供电公司)，毕业论文：八元数卷积神经网络的构造及其应用研究
夏金鹏(硕士，2020年毕业，阿里)，毕业论文：轻量化神经网络构造与应用研究
祝木林(硕士，2020年毕业，创新奇智)，毕业论文：基于神经网络的图像描述研究
曹国栋(硕士，2020年毕业，电信云)，毕业论文：基于深度学习的弱监督细粒度图像识别技术研究
张景(硕士，2020年毕业，中兴)，毕业论文：基于分数阶散射网络的图像特征提取与图像生成的研究
申泽宇(硕士，2020年毕业，读博)，毕业论文：基于深度学习的视频反射光图像去除
应雨婷(硕士，2019年毕业，华为南京)，毕业论文：基于循环神经网络的中文语音合成研究与应用
任虹珊(硕士，2019年毕业，华为南京)，毕业论文：基于深度压缩的卷积神经网络压缩算法研究
杨启晗(硕士，2019年毕业，华为南京)，毕业论文：基于深度学习的图像篡改取证研究
朱小贝(硕士，2019年毕业，华为南京)，毕业论文：复数生成式对抗网络的构造及其应用研究
邱师洁(硕士，2018年毕业，滴滴北京)，毕业论文：卷积网络算法研究及其在图像分类中的应用
魏黎明(硕士，2018年毕业，唯品会上海)，毕业论文：基于卷积神经网络的方言分类方法研究
达臻(硕士，2017年毕业，美团上海)，毕业论文：深度学习中卷积网络的改进算法研究
郑爱宇(硕士，2017年毕业，兵器集团第207所)，毕业论文：可扩展通用反垃圾信息处理平台的设计与实现
吴丹(硕士，2016年毕业，欢聚时代广州)，毕业论文：主成分分析网络构造方法及其应用
曾瑞(硕士，2015年毕业，昆士兰科技大学读博)，毕业论文：四元数自编码机算法及其应用研究
冯永(硕士，2015年毕业，南方科技大学工作)，毕业论文：稀疏自适应滤波算法研究
刘洁媛(硕士，2015年毕业，华为南京研究院)，毕业论文：基于变换域幅度或相位的信号凸优化重建方法研究
韩旭(硕士，2014年毕业，法国雷恩第一大学读博)，毕业论文：基于压缩感知理论信号恢复的方法研究
严路(硕士，2014年毕业，腾讯上海)，毕业论文：基于伪牛顿法的四元数信号压缩感知恢复算法
葛迦(硕士，2014年毕业，浙江大学附属第一医院)，毕业论文：基于滑动窗算法的视频块运动估计研究