教师信息                                                                                                                                                 个人照片      
姓    名赵仲秋性    别 男
出生年月1977年9月最终学位博士                  
毕业学校中国科技大学
从事专业模式识别与智能系统                    职    务博士生导师
所属院系计算机科学与技术系
所属科室(研究所)计算机软件与理论研究所                     职     称 研究员
联系方式

办公电话:0551-62902575

E-mail: zhongqiuzhao AT gmail DOT com

通讯地址

邮  编
简    历

江苏靖江人;工学博士,研究员,博士生导师;IEEE/ACM会员。

-2007年12月~2008年3月在合肥工业大学计算机与信息学院“图像信息处理研究室”从事研究工作;
-2008年4月~2009年11月于法国 UNIVERSITE PAUL CEZANNE – AIX-MARSEILLE III 任博士后;
-2009年12月至今,于合肥工业大学计算机与信息学院工作,2011年12月入选合肥工业大学计算机与信息学院人才培育“C计划”。
-2012年入选“香江学者”计划,2013年1月~2014年12月于香港浸会大学计算机科学系从事合作研究。

近年来主持国家自然科学基金项目3项,教育部高等学校博士点新教师基金、中国博士后科学基金特别资助等各1项;承担科技部863项目、973课题、973前期预研专项项目、法国国家科研署(ANR)项目等多个项目的研究。

共发表学术论文50余篇,被他人引用800+次(Google学术搜索  )。参编法语专著一部;获授权国家发明专利5项。

担任IEEE Trans. Evolutionary Computation, IEEE Trans. Multimedia, IEEE Trans. Image Processing, IEEE TNNLS,Computer Vision and Image Understanding,Pattern Recognition Letters, 《计算机学报》                                                                            等期刊的论文审稿人。

研究方向

研究方向包括:模式识别、深度学习、图像视频分类与理解、数据挖掘等。

欢迎具有良好数学基础、有志于从事图像和视频处理技术应用研究的学生报考研究生!理想和态度决定您的高度!

主持科研项目:
(1)国家自然科学基金面上项目,“增长的卷积神经网络模型中的若干关键问题研究”,(No. 61672203,2017.1-2020.12
(2)国家自然科学基金面上项目,“基于耦合判别和协作稀疏表示的图像表征和标注研究”,(No. 61375047,2014.1 - 2017.12)
(3)“香江学者”计划,“高维数据下的特征选择及应用”,(No. XJ2012012,2013.1 - 2014.12)
(4)国家自然科学基金青年基金,“约束最大差异投影在基于内容的多样化图像检索中的应用研究”(No. 61005007, 2011.1 - 2013.12)
(5)教育部高等学校博士点新教师基金,“基于子域模块分类器的非对称模式分类研究” (No. 200803591024,2009.1 - 2011.12)
教学工作

《人工神经网络》 
《智能信息处理》 
《程序设计基础》
获奖情况

2012年入选“香江学者”计划;
2014年获ACM南京分会(江苏、安徽地区)卓越青年科学家奖提名奖;
2016年获安徽省杰出青年科学基金资助;
2016年获教育部自然科学一等奖;

2018年获吴文俊人工智能科学技术奖科技进步一等奖


研究生获奖:
马林海(硕士生),安徽省“挑战杯”大学生课外学术科技作品竞赛二等奖
国家奖学金:
王  婧(博士生,2013);季海峰(硕士生,2013)
学校奖学金:
郑    鹏(博士生,一等,2010);
马林海(硕士生,一等,2012;一等,2013);
季海峰(硕士生,一等,2012;一等,2013);
洪    艳(硕士生,一等,2012);
谢宝剑(硕士生,二等,2012;一等,2013)

主要论著
 

[28] Z.Q. Zhao, P. Zheng,S. Xu, X. Wu, Object Detection with Deep Learning: A Review, DOI: 10.1109/TNNLS.2018.2876865, IEEE Transactions on Neural Networks and Learning Systems, 2018.   

[27] Z.Q. Zhao, J. Hu; W. Tian, N. Ling, Cooperative Adversarial Network for Accurate Super Resolution, Asian Conference on Computer Vision (ACCV), 2018.

[26] P. Zheng, Z.Q. Zhao*, J. Gao, X. Wu, A set-level joint sparse representation for image set classification, Information Sciences, Vol. 448–449,pp.75–90, June 2018. (*corresponding author

[25] P. Zheng, Z.Q. Zhao*, J. Gao, X. Wu, Image set classification based on cooperative sparse representation, Pattern Recognition, Volume 63, Pages 206–217,March 2017. (*corresponding author)

[24] D. Hu, X. Zhang, Y. Fan, Z.Q. Zhao, L. Wang, X. Wu, X. Wu,  On Digital Image Trustworthiness, Applied Soft Computing, Vol. 48, pp.240-253, 2016. 

[23] Z.Q. Zhao, Y. Cheung, H. Hu, X. Wu, Corrupted and Occluded Face Recognition via Cooperative Sparse Representation, Pattern Recognition, Vol. 56, Pages 77–87, August, 2016.

[22] S. Li, Z.H. You, H. Guo, X. Luo, Z.Q. Zhao, Inverse-Free Extreme Learning Machine With Optimal Information Updating, IEEE Transactions on Cybernetics, vol.46,issue 5, pp.1229-1241, 2016.
[21] 
Z.Q. Zhao, Y. Cheung, H. Hu, X. Wu, Expanding dictionary for robust face recognition: pixel is not necessary while sparsity is, IET Computer Vision, Vol. 9(5),pp.648 –654, 2015.

[20] X. Wu, H. Chen, G.Q. Wu, J. Liu, Q. Zheng, X. He, A. Zhou, Z.Q. Zhao, B. Wei, Y. Li, Q. Zhang, S. Zhang: Knowledge Engineering with Big Data.IEEE Intelligent Systems, 30(5): 46-55 (2015)
[19] 
Z.Q. Zhao, Y. Hong, P. Zheng, X. Wu: Plant identification using triangular representation based on salient points and margin points. ICIP 2015: 1145-1149

[18] Z.Q. Zhao, L.H. Ma, Y. Cheung, X. Wu, Y. Tang, C.L.P. Chen, ApLeaf: An efficient android-based plant leaf identification system, Neurocomputing, Volume 151, Part 3, 3 March 2015, Pages 1112-1119.

[17] J. Wang, M. Wang, P.P. Li, L. Liu, Z.Q. Zhao, X. Hu, X. Wu: Online Feature Selection with Group Structure Analysis. IEEE Transactions on Knowledge and Data Engineering, 27(11): 3029-3041 (2015)

[16] Z.Q. Zhao, B.J. Xie, Y. Cheung, X. Wu, Plant Leaf Identification via A Growing Convolution Neural Network with Progressive Sample Learning, ACCV, 2014.

[15] 赵仲秋, 季海峰, 高隽, 胡东辉, 吴信东. 基于稀疏编码多尺度空间潜在语义分析的图像分类,《计算机学报》, 37(6): 1251-1260, 2014.

[14] Z.Q. Zhao, XinDong Wu, CanYi Lu, Herve Glotin, Jun Gao, Optimizing widths with PSO for center selection of Gaussian radial basis function networks,SCIENCE CHINA Information Sciences, Volume 57, Issue 5, pp 1-17, May 2014. DOI: 10.1007/s11432-013-4850-5

[13] Bo Li, Jin Liu, Z.Q. Zhao and Wen-Sheng Zhang, Locally Linear Representation Fisher Criterion, International Joint Conference on Neural Networks (IJCNN), 2013. 

[12] J. Wang, Z.Q. Zhao, X. Hu, Y. Cheung, M. Wang, and X. Wu, Online Group Feature Seclection, 23rd International Joint Conference on Artificial Intelligence (IJCAI), 2013. 

[11] Z.Q. Zhao, H. Glotin, Z. Xie, J. Gao, and X. Wu, Cooperative Sparse Representation in Two Opposite Directions for Semi-supervised Image Annotation, IEEE Transactions on Image Processing (TIP), Vol. 21 , Issue 9, pp. 4218 - 4231, 2012 (regular paper).

[10] Can-Yi Lu, Hai Min, Zhong-Qiu Zhao, Lin Zhu, De-Shuang Huang, Shuicheng Yan, Robust and Efficient Subspace Segmentation via Least Squares Regression,European Conference on Computer Vision (ECCV), 2012.(top conference)

[9]  Z.Q. Zhao, J.Z. Li , J. Gao, X.D. Wu, “A Modified Semi-Supervised Learning Algorithm on Laplacian Eigenmaps,” Neural Processing Letters,  vol. 32(1), 76-82, 2010. 

[8]  Z.Q. Zhao, J. Gao, H. Glotin, X.D. Wu, “A matrix modular neural network based on task decomposition with subspace division by adaptive affinity propagation clustering,”Applied Mathematical Modelling, 34, pp. 3884–3895, 2010. 

[7]  H. Glotin, Z.Q. Zhao, J. Gao, X.D. Wu, “A Matrix Modular SVM Robust to Imbalanced Dataset for Efficient Visual Concept Detections,” The 11th ACM SIGMM International Conference on Multimedia Information Retrieval (ACM MIR 2010), March 29-31, 2010, National Constitution Center, Philadelphia, Pennsylvania, USA. 
[6]  
Z.Q. Zhao, H. Glotin, “Diversifying Image Retrieval by Affinity Propagation Clustering on Visual Manifolds,” IEEE Mutimedia, vol. 16, no. 4, pp. 34-43, 2009. 
[5]  
Z.Q. Zhao, “A Novel Modular Neural Network for Imbalanced Classification Problems,” Pattern Recognition Letters, Vol.30, No.9, pp. 783-788, 2009. 
[4]  
Z.Q. Zhao, D.S. Huang, and W. Jia, “Palmprint Recognition with 2DPCA+PCA Based on Modular Neural Networks,” Neurocomputing,Vol. 71(1-3), pp. 448-454, 2007. 
[3]  
Z.Q. Zhao and D.S. Huang, “A mended hybrid learning algorithm for radial basis function neural networks to improve generalization capability,”Applied Mathematics Modelling,Vol. 31(7), pp. 1271-1281, 2007. 
[2]  
Z.Q. Zhao, D.S. Huang, B. Y.  Sun,  “Human face recognition based on multiple features using neural networks committee,”  Pattern Recognition Letters, Vol.25(12), pp.1351-1358, 2004.

[1]  H. Glotin, Z.Q. Zhao, S. Ayache, “Efficient Image Concept Indexing by Harmonic and Arithmetic Profiles Entropy,” Proceedings of 2009 IEEE International Conference on Image Processing (ICIP 2009), IEEE Signal Processing Society, pp.277-280, 2009