基本信息
王书振　教授
博导
博士学科：机器视觉
硕士学科：计算机应用　
工作单位：计算机学院

联系方式
通信地址：
电子邮箱：shuzhenwang@xidian.edu.cn
办公电话：**
办公地点：办公楼234


课题组新闻
2021.05 恭喜实验室郭阳博士的论文《HBOS-CNV: a new approach to detect copy number variations from next-generation sequencing data》被 《Frontiers in Genetics, section Statistical Genetics and Methodology》刊用
2020.11 恭喜实验室研发的《便携式多功能智能化微波成像生命探测仪》获得2020创共体杯前沿科技创新大赛二等奖
2020.08 恭喜实验室温伟磊同学在计算机顶级会议ECCV2020发表论文





论文链接：https://arxiv.org/pdf/2008.08767.pdf

单图像超分辨(SISR)是计算机视觉和图像处理中的一个重要课题。对于低分辨率的图像，超分辨率(SR)的目标是生成具有必要的边缘结构和纹理细节的高分辨率(HR)图像。SISR技术的发展将使视频监控和行人检测等应用领域受益匪浅。
引言丰富的纹理细节特征在单一图像超分辨率任务中起着至关重要的作用。在过去的图像超分辨率方法中，人们利用ResNet来提升网络的特征表达能力，后来注意力机制的引入，使得网络对特征的提取能力进一步提升。通道注意力模块在提取每一层中信息丰富的特征方面是有效的。但是，通道注意力将每个卷积层视为一个单独的过程，忽略了不同层之间的相关性。为了解决这个问题，论文中提出了一个整体注意力网络（HAN），该网络由一个层注意力模块（LAM）和一个通道空间注意力模块（CSAM）组成，以对图层，通道和位置之间的整体相互依赖性进行建模。具体而言，LAM通过考虑各层之间的相关性来自适应地强调层次特征， 同时，CSAM在每个通道的所有位置学习逐像素置信度，用来有选择地捕获更多的信息特征。

对于低分辨率图像，HAN的第一卷积层提取一组浅层特征图。然后通过一系列残差组进一步提取低分辨率输入的更深层特征表征。我们提出了一个层注意力模块(LAM)来学习RGs每个输出的相关性，和一个通道-空间注意力模块(CSAM)来研究通道和像素之间的相互依赖性。
尽管密集连接和跳过连接允许将浅层信息绕过到深层，但这些操作不会利用不同层之间的相互依赖关系。相反，我们将来自每一层的特征图视为对特定类的响应，并且来自不同层的响应是相互关联的。通过获取不同深度的特征之间的依赖关系，网络可以为不同深度的特征分配不同的关注权值，自动提高提取的特征的表示能力。因此，我们提出了一种创新的LAM，它可以学习不同深度特征之间的关系，自动提高特征的表征能力。

现有的空间注意机制主要集中在特征的尺度维度上，对通道维度信息摄取较少，而最近的通道注意机制忽略了尺度信息。为了解决这个问题，我们提出了一种新的通道-空间注意机制(CSAM)，它包含了来自特征图的所有维度的反应。


在标准数据集上进行的大量实验结果表明，提出的模型在精度和视觉质量方面优于先进的SR算法。
该研究成果以“ Single Image Super-Resolution via a Holistic Attention Network “为题，发表于ECCV2020上。该论文由西安电子科技大学与东北大学、中国科学院、澳大利亚国立大学、滴滴人工智能研究院共同合作完成。计算机科学与技术学院计算机视觉与网络智能研究所2018级硕士研究生温伟磊同学为共同一作。本课题由国家自然科学基金2019YFB**项目(编:**,U**, **)中央高校基础研究基金(批准号:**,U**, **)资助。北京市自然科学基金(编:N)广东省鹏城实验室项目PCL2018KP004，陕西省自然科学基础研究计划(2019JM-557)。


主要研究方向
智能计算 计算成像
计算机视觉 机器学习 模式识别 增强现实
物联网 智慧旅游

---

基本信息
王书振　教授
博导
博士学科：机器视觉
硕士学科：计算机应用　
工作单位：计算机学院

联系方式
通信地址：
电子邮箱：shuzhenwang@xidian.edu.cn
办公电话：**
办公地点：办公楼234


课题组新闻
2021.05 恭喜实验室郭阳博士的论文《HBOS-CNV: a new approach to detect copy number variations from next-generation sequencing data》被 《Frontiers in Genetics, section Statistical Genetics and Methodology》刊用
2020.11 恭喜实验室研发的《便携式多功能智能化微波成像生命探测仪》获得2020创共体杯前沿科技创新大赛二等奖
2020.08 恭喜实验室温伟磊同学在计算机顶级会议ECCV2020发表论文





论文链接：https://arxiv.org/pdf/2008.08767.pdf

单图像超分辨(SISR)是计算机视觉和图像处理中的一个重要课题。对于低分辨率的图像，超分辨率(SR)的目标是生成具有必要的边缘结构和纹理细节的高分辨率(HR)图像。SISR技术的发展将使视频监控和行人检测等应用领域受益匪浅。
引言丰富的纹理细节特征在单一图像超分辨率任务中起着至关重要的作用。在过去的图像超分辨率方法中，人们利用ResNet来提升网络的特征表达能力，后来注意力机制的引入，使得网络对特征的提取能力进一步提升。通道注意力模块在提取每一层中信息丰富的特征方面是有效的。但是，通道注意力将每个卷积层视为一个单独的过程，忽略了不同层之间的相关性。为了解决这个问题，论文中提出了一个整体注意力网络（HAN），该网络由一个层注意力模块（LAM）和一个通道空间注意力模块（CSAM）组成，以对图层，通道和位置之间的整体相互依赖性进行建模。具体而言，LAM通过考虑各层之间的相关性来自适应地强调层次特征， 同时，CSAM在每个通道的所有位置学习逐像素置信度，用来有选择地捕获更多的信息特征。

对于低分辨率图像，HAN的第一卷积层提取一组浅层特征图。然后通过一系列残差组进一步提取低分辨率输入的更深层特征表征。我们提出了一个层注意力模块(LAM)来学习RGs每个输出的相关性，和一个通道-空间注意力模块(CSAM)来研究通道和像素之间的相互依赖性。
尽管密集连接和跳过连接允许将浅层信息绕过到深层，但这些操作不会利用不同层之间的相互依赖关系。相反，我们将来自每一层的特征图视为对特定类的响应，并且来自不同层的响应是相互关联的。通过获取不同深度的特征之间的依赖关系，网络可以为不同深度的特征分配不同的关注权值，自动提高提取的特征的表示能力。因此，我们提出了一种创新的LAM，它可以学习不同深度特征之间的关系，自动提高特征的表征能力。

现有的空间注意机制主要集中在特征的尺度维度上，对通道维度信息摄取较少，而最近的通道注意机制忽略了尺度信息。为了解决这个问题，我们提出了一种新的通道-空间注意机制(CSAM)，它包含了来自特征图的所有维度的反应。


在标准数据集上进行的大量实验结果表明，提出的模型在精度和视觉质量方面优于先进的SR算法。
该研究成果以“ Single Image Super-Resolution via a Holistic Attention Network “为题，发表于ECCV2020上。该论文由西安电子科技大学与东北大学、中国科学院、澳大利亚国立大学、滴滴人工智能研究院共同合作完成。计算机科学与技术学院计算机视觉与网络智能研究所2018级硕士研究生温伟磊同学为共同一作。本课题由国家自然科学基金2019YFB**项目(编:**,U**, **)中央高校基础研究基金(批准号:**,U**, **)资助。北京市自然科学基金(编:N)广东省鹏城实验室项目PCL2018KP004，陕西省自然科学基础研究计划(2019JM-557)。


主要研究方向
智能计算 计算成像
计算机视觉 机器学习 模式识别 增强现实
物联网 智慧旅游

---

计算机科学与技术学院研究生在计算机视觉顶级会议ECCV发表论文

论文链接：https://arxiv.org/pdf/2008.08767.pdf
单图像超分辨(SISR)是计算机视觉和图像处理中的一个重要课题。对于低分辨率的图像，超分辨率(SR)的目标是生成具有必要的边缘结构和纹理细节的高分辨率(HR)图像。SISR技术的发展将使视频监控和行人检测等应用领域受益匪浅。
丰富的纹理细节特征在单一图像超分辨率任务中起着至关重要的作用。在过去的图像超分辨率方法中，人们利用ResNet来提升网络的特征表达能力，后来注意力机制的引入，使得网络对特征的提取能力进一步提升。通道注意力模块在提取每一层中信息丰富的特征方面是有效的。但是，通道注意力将每个卷积层视为一个单独的过程，忽略了不同层之间的相关性。为了解决这个问题，论文中提出了一个整体注意力网络（HAN），该网络由一个层注意力模块（LAM）和一个通道空间注意力模块（CSAM）组成，以对图层，通道和位置之间的整体相互依赖性进行建模。具体而言，LAM通过考虑各层之间的相关性来自适应地强调层次特征， 同时，CSAM在每个通道的所有位置学习逐像素置信度，用来有选择地捕获更多的信息特征。
对于低分辨率图像，HAN的第一卷积层提取一组浅层特征图。然后通过一系列残差组进一步提取低分辨率输入的更深层特征表征。我们提出了一个层注意力模块(LAM)来学习RGs每个输出的相关性，和一个通道-空间注意力模块(CSAM)来研究通道和像素之间的相互依赖性。
尽管密集连接和跳过连接允许将浅层信息绕过到深层，但这些操作不会利用不同层之间的相互依赖关系。相反，我们将来自每一层的特征图视为对特定类的响应，并且来自不同层的响应是相互关联的。通过获取不同深度的特征之间的依赖关系，网络可以为不同深度的特征分配不同的关注权值，自动提高提取的特征的表示能力。因此，我们提出了一种创新的LAM，它可以学习不同深度特征之间的关系，自动提高特征的表征能力。
现有的空间注意机制主要集中在特征的尺度维度上，对通道维度信息摄取较少，而最近的通道注意机制忽略了尺度信息。为了解决这个问题，我们提出了一种新的通道-空间注意机制(CSAM)，它包含了来自特征图的所有维度的反应。

在标准数据集上进行的大量实验结果表明，提出的模型在精度和视觉质量方面优于先进的SR算法。


新增栏目0
　　 　　　　 　　　　
　　 　　 　　　　
锚点测试　　　　 　　　　　　红 　　　　　　黄 　　　　　　蓝 　　　　 　　

新增栏目1

---

科学研究
目前研究团队承担的科研项目：
基于视频分析的自动化巡检系统横向课题
基于组合优化的集装箱优化引擎研发 横向课题
基于深度神经网络的商品识别 横向课题
智慧旅游电子票务平台 横向课题
基于压缩感知理论的日像仪阵列设计和图像重建 国家自然科学基金
基于压缩感知理论的日像仪图像重建技术研究 校基本业务科研项目
物联网技术在陕西数字油气田矿山中的应用研究 省级课题
基于物联网技术的陕西卫星导航产业发展战略规划研究 省级课题
《变压器局部放电关键技术研究》西安市工业攻关项目，已通过验收

---

学术论文
实验室温伟磊同学在计算机顶级会议ECCV2020发表论文
论文链接：https://arxiv.org/pdf/2008.08767.pdf
单图像超分辨(SISR)是计算机视觉和图像处理中的一个重要课题。对于低分辨率的图像，超分辨率(SR)的目标是生成具有必要的边缘结构和纹理细节的高分辨率(HR)图像。SISR技术的发展将使视频监控和行人检测等应用领域受益匪浅。
引言丰富的纹理细节特征在单一图像超分辨率任务中起着至关重要的作用。在过去的图像超分辨率方法中，人们利用ResNet来提升网络的特征表达能力，后来注意力机制的引入，使得网络对特征的提取能力进一步提升。通道注意力模块在提取每一层中信息丰富的特征方面是有效的。但是，通道注意力将每个卷积层视为一个单独的过程，忽略了不同层之间的相关性。为了解决这个问题，论文中提出了一个整体注意力网络（HAN），该网络由一个层注意力模块（LAM）和一个通道空间注意力模块（CSAM）组成，以对图层，通道和位置之间的整体相互依赖性进行建模。具体而言，LAM通过考虑各层之间的相关性来自适应地强调层次特征， 同时，CSAM在每个通道的所有位置学习逐像素置信度，用来有选择地捕获更多的信息特征。
对于低分辨率图像，HAN的第一卷积层提取一组浅层特征图。然后通过一系列残差组进一步提取低分辨率输入的更深层特征表征。我们提出了一个层注意力模块(LAM)来学习RGs每个输出的相关性，和一个通道-空间注意力模块(CSAM)来研究通道和像素之间的相互依赖性。
尽管密集连接和跳过连接允许将浅层信息绕过到深层，但这些操作不会利用不同层之间的相互依赖关系。相反，我们将来自每一层的特征图视为对特定类的响应，并且来自不同层的响应是相互关联的。通过获取不同深度的特征之间的依赖关系，网络可以为不同深度的特征分配不同的关注权值，自动提高提取的特征的表示能力。因此，我们提出了一种创新的LAM，它可以学习不同深度特征之间的关系，自动提高特征的表征能力。

现有的空间注意机制主要集中在特征的尺度维度上，对通道维度信息摄取较少，而最近的通道注意机制忽略了尺度信息。为了解决这个问题，我们提出了一种新的通道-空间注意机制(CSAM)，它包含了来自特征图的所有维度的反应。

在标准数据集上进行的大量实验结果表明，提出的模型在精度和视觉质量方面优于先进的SR算法。
该研究成果以“ Single Image Super-Resolution via a Holistic Attention Network “为题，发表于ECCV2020上。该论文由西安电子科技大学与东北大学、中国科学院、澳大利亚国立大学、滴滴人工智能研究院共同合作完成。计算机科学与技术学院计算机视觉与网络智能研究所2018级硕士研究生温伟磊同学为共同一作。
?

---

荣誉获奖
点击网页顶部“添加栏目”可以添加其他栏目
把鼠标放在栏目标题处，尝试拖动栏目。

---

科研团队
团队教师
硕士研究生
2011届 何国栋 侯珊珊
2012届 张小菲
2013届 邹子健 李莉
2014届 王文韬
2015届 王印龙，孙克鹏，张全，管术阳，王莹，周娜
2016届 司吉峰徐丽亚 张斌 黄信
2017届 方圆 袁华波 王勉
2018届 刘红 何璐璐 郝伟 陈子闽 刘伟 胡鹏飞 史刚刚
2019届 张案瑜 袁豪 张点 刘琦然
2020届 郝嘉雪 刘波 刘江 郭阳 李家旺 马宇豪

---

课程教学
目前本人承担的教学任务：
抽象代数
数值分析
概率论与数理统计

---

招生要求
~~~~~~~~~~~~~~~~~~~~~~~~~~
关于研究生招生的信息：
~~~~~~~~~~~~~~~~~~~~~~~~~~
今年计划招生3至4人
团队长期从事机器视觉、工业互联网相关技术研究与推广工作。
0. 湖北及山东籍考生优先。
1。对机器学习有浓厚的兴趣
2。数学较好
3. 态度决定一切，积极主动完成导师布置的任务
2018.9.5