个人信息Personal Information
副教授
硕士生导师
教师英文名称:Lechao Cheng
教师拼音名称:Cheng Lechao
出生日期:1992-01-24
电子邮箱:
所在单位:计算机与信息学院
学历:博士研究生毕业
性别:男
联系方式:chenglc@hfut.edu.cn
学位:博士学位
在职信息:在职
毕业院校:浙江大学
学科:计算机应用技术
其他联系方式Other Contact Information
邮箱 :
个人简介Personal Profile
程乐超,黄山学者学术骨干,合肥工业大学计算机与信息学院副教授。2019年12月博士毕业于浙江大学计算机科学与技术学院CAD&CG全国重点实验室。发表CCF A类会议论文/中科院一区Top期刊30余篇。同时,授权国家发明专利20余项,其中以第一发明人授权专利11项。作为项目核心研发人员,参与浙江省重点研发计划; 作为项目负责人,获批并主持 浙江省自然科学基金探索项目(结题,2021.01~2023.12) 1项,国家自然科学青年基金项目(在研)1项,之江实验室基础前沿探索项目(250万,结题,2022.01~2023.12)1项; 同时,参与多项国际人工智能大赛,获得1项冠军,1项亚军,2项季军。除此以外,先后受邀担任ACM MM 2020~2024技术委员会委员,ECCV2020~2024、ICCV 2021~2023、CVPR2021~2024、 NeurIPS2023,2024 评审,IJCAI 2022 程序委员,AAAI 2023~2024 程序委员。email: chenglc@hfut.edu.cn
欢迎对 计算机视觉、深度学习、多媒体感兴趣的同学与我联系。
已开始接受2025年保研学生面谈,感兴趣的同学可直接邮件或者电话联系我面聊
News:
2024.10: 荣获 ACM MM 2024 最佳论文提名 (Best Paper Nomination)
2024.09: 1篇文章被 NeurIPS 2024接收
2024.08: Prof. Cheng 被邀请为 ICLR 2025 审稿人。
2024.08: 国自然面上项目《面向泛在不完备视觉场景数据的参数高效微调技术理论与方法》已获批
2024.07: 1 篇文章被 ACM MM2024 (1* 共同1作,Oral, Top 3.97%) 接收。
2024.07: 3 篇文章被 ECCV 2024 (2 * 通讯作者(1* Oral, 1* Poster) + 1 * co-author (1* Poster)接收。
2024.06: Prof. Cheng 被邀请为 WACV 2025 审稿人。
2024.05:Prof. Cheng 被邀请为 NeurIPS 2024审稿人。
2024.05:1 篇文章被 ICML 2024 (Spotlight Paper, Top 3.5%,通讯作者)接收。
2024.04:Prof. Cheng 被邀请为 BMVC 2024审稿人。
2024.04: 1 篇文章被 ACM Transactions on Multimedia Computing, Communications and Applications 2024 接收。
2024.04:Prof. Cheng 被邀请为 ACM MM2024 审稿人。
2024.04: 1 篇文章被 Knowledge-Based Systems 2024(中科院一区,通讯作者) 接收。
2024.04:Prof. Cheng 被邀请为 ECAI 2024 程序委员会成员。
2024.03: 1 篇文章被 CVPR 2024 (Highlight Paper, Top 2.81%) 接收。
2024.02: 4 篇文章被 AAAI 2024 (1 * 通讯作者 + 3 * co-authors) 接收。
2024.01:Prof. Cheng 被邀请为 ECCV 2024审稿人。
2024.01: 1篇文章被 IEEE Transactions on Multimedia 2024 接收。
项目主持:
国自然面上基金,面向泛在不完备视觉场景数据的参数高效微调技术理论与方法, 50万, 主持,(2025)
浙江省自然科学基金,非确定场景下细粒度图像分类方法研究, 10万,主持,已结题
国家自然科学青年基金,基于深度神经网络的图像分类跨任务迁移研究, 30万, 主持,在研
之江实验室基础前沿探索项目,面向真实场景非理想数据的视觉深度模型学习研究, 250万, 主持,已结题
浙江省重点研发计划,深度模型炼知开源开放平台,1000万,核心骨干,已结题
智能视觉实验室 (Lab for Intelligence and visiON, LION) 主要聚焦于可信赖人工智能中的计算机视觉研究。我们的研究方向包括但不限于数据增强、无监督/弱/半监督学习、联邦学习、域泛化/适应、新类发现等,并探索它们在各种视觉任务中的应用,例如目标检索、 图像分类、语义分割以及多模态识别等。我们的研究成果已发表在计算机视觉和机器学习顶级期刊和会议,包括 CVPR、ICCV、ECCV、ICLR、NeurIPS、IJCV、TPAMI等。LION同时也隶属于多媒体计算实验室(Laboratory of Multimedia Computing, LMC)。更多信息详见LION主页: https://lion-hfut.github.io/