哈喽 小伙伴们 ，今天给大家科普一个小知识。在日常生活中我们或多或少的都会接触到大连理工大学王栋_王栋博士简历方面的一些说法，有的小伙伴还不是很了解，今天就给大家详细的介绍一下关于大连理工大学王栋_王栋博士简历的相关内容。

大连理工大学王栋(王栋博士简历)

随着美国3DRobotics、法国Parrot、中国DJI(DJI创新)等一系列领先无人机公司的崛起，无人机航拍在军事和民用领域的应用越来越频繁，如军事侦察、边境巡逻、城市监测、地质勘探、灾害监测等。作为无人机智能化的理论基础，计算机视觉技术的技术改进和应用拓展已经成为许多科学家一直在攻关的科研难题。如今，随着社会各界对无人机航拍技术的需求越来越大，大连理工大学信息与通信工程学院副教授王栋长期坚守在计算机视觉和图像视频处理领域，尤其是在目标跟踪和分类领域。联合项目组以国家自然科学基金面上项目3354“广域低帧率航拍场景下的在线目标跟踪”为重点，努力攻克技术难关，在无人机城市安全监控和生活方式分析方面取得重大成果，从而进一步推动智能化。

(资料图)

携初心，在科研路上砥砺前行

王栋的初心，就像一盏迷失在海上的塔灯，在他迷失方向的时候，能发出耀眼的光芒，指引他在重要时刻做出符合自己内心的选择。本科期间，在学习数字信号处理的过程中认识了陆虎川教授，并对陆教授从事的图像处理研究产生了浓厚的兴趣。起初，我们偶然相遇，但这种兴趣的起源是在我们的天性中。正是这场看似注定的相遇，让王栋和“目标跟踪技术”开始了数十年的缘分。跟着最初的兴趣，2008年，王栋报考并成功成为陆虎川教授的学生。5年后，博士毕业时，王栋面临着两个完全不同的选择：进企业工作和留校科研。他毅然选择留在学校继续研究陆教授团队的主要目标跟踪方向，并发誓将此进行到底。

2015年至2016年，王栋访问了美国天普大学，在那里他遇到了天普大学的凌海滨教授，并得到了他的指导。在接触中，他发现凌海滨教授的研究思路集中在如何带来新的见解，提出新的问题，做前人没有做过的研究，这让当时专攻精度和速度的王栋受益匪浅。在国外的一年时间里，王冬雪与他的研究齐头并进。他在高空无人机场景跟踪方面取得了一些阶段性的实验成果，为回国后的无人机探测跟踪奠定了基础。

在王栋的CCF颁奖典礼上获奖。

一旦科考起航，途中风浪是避不开的。现在的停下来不是为了等天气放晴，而是为了给自己充电。2016年下半年回国后，王栋继续专注于目标跟踪的应用研究。但他发现当时目标跟踪技术的算法精度并不高，根本解决不了行业痛点，以至于接下来的半年都卡在了技术瓶颈和困惑中。随后，随着在DJI无人机的应用前景，王栋和他的团队也对近年来在深度视觉跟踪方面的研究工作进行了深入的总结和分析，全面掌握了现有算法的进展和优缺点。通过深入挖掘深度神经网络的局部结构，提出局部敏感回归跟踪算法，在国际标准评测的VOT2017公开数据集上获得第一名。然后，他们提出了联合决策和可靠性学习的相关滤波跟踪算法，进一步提高了跟踪算法的精度，在国际标准评测OTB2015和VOT2017中达到了当时的最高精度。王栋和他的团队在深度视觉跟踪方面的最新进展和突破，为多项国家和省级目标跟踪研究课题奠定了坚实的基础。

合力打造数字化猎鹰

困难的科学理论总是由该领域的科学家向外界介绍。简而言之，就是以更贴近生活的方式传达给科学圈之外的大众。但是，解释越简单，科研实践越深入。作为计算机视觉和图像视频处理方面的专家，在谈到计算机视觉时，王东把相机的摄像头比作人眼，把连接的计算机或其他计算平台比作人脑。然后通过两个活生生的应用实例，追踪流动人群和DJI无人机周边拍照，将他所在领域的研究内容以更通俗易懂的方式呈现出来。在当前科研投入实践时，王栋和他的团队并没有将目标跟踪技术止步于“人眼”，而是专注于当时国内外尚处于起步阶段的“广域低帧率航拍场景下的在线目标跟踪”课题，以解决目标外观特征的模糊性和运动场景的复杂性带来的诸多挑战，包括目标尺寸小、视觉特征模糊、运动复杂、光照和阴影变化、背景凌乱等。共同努力创造更快的捕捉。

经典、前沿的理论是项目实施的坚实基础。在前沿的深度学习理论指导下，王栋及其团队在子空间和稀疏表示模型、部分距离测量模型和深度学习模型三种模型下在线跟踪的初步研究基础上，以对抗网络模型作为模拟小样本目标和背景的实践支撑，开始研究低分辨率小目标的深度学习模型、小目标训练样本生成和深度网络模型训练、低帧率相似目标的时空语义关联模型，提出广域低帧率航拍场景下的在线目标。

多年的相关研究经验是项目实施的必要条件，合理的团队结构和紧密的国际合作是项目实施的有力保障。王栋的团队由一群具有丰富理论和实践知识的博士生组成。他们一直致力于目标跟踪和分类的研究，提出了一系列基于子空间、稀疏表示和局部距离度量的优秀模型算法。深度视觉跟踪算法的概述和最新突破，为如何利用深度神经网络建立鲁棒的外观模型提供了技术条件。同时，王栋和项目团队与目标跟踪和深度学习领域的资深研究人员保持着良好的学术交流与合作，如加州大学默塞德分校的明-杨玄教授、天普大学的凌海滨教授、香港中文大学的王晓刚教授等，能够及时获得最新的研究动态和指导。

特色创新是项目取得突破性成果的最有力证明。针对广域场景中小目标外观建模问题，他们尝试创新性地提出了深度孪生匹配模型和深度特征分类模型相结合的方法。

度目标外观模型，将深度学习理论推广到广域航拍视频序列中的在线目标跟踪问题上。同样是广域场景下小目标方向，针对其训练样本缺乏有效训练深度模型问题，他们尝试创新性地提出利用生成对抗网络模拟真实小样本目标并将其嵌入到真实背景，并离线学习适合本项目场景的深度特征。之后，为解决目标行动轨迹及背景的复杂性难题，王栋及其团队着手低帧率视频序列特性的研究，尝试创新性地利用多目标跟踪思想来解决在线单目标跟踪问题，并提出时空语义关联模型来统一建模目标外观模型和时空语义模型，推理待跟踪目标的最优轨迹。

“数字化猎鹰打造计划”让当时的国内视觉目标跟踪领域突破了之前的技术限制，取得了多次国际性赛事的重大成果。从2017年到2020年，王栋及其团队6次在国际视觉目标跟踪竞赛（VOT）中获得第一名，其中包括VOT长时组（VOT2018-LT,VOT2019-LT,VOT2020-LT）三连冠。他们站在巨人的肩膀上，向着科学的更远处眺望，可当远景别在心头后，他们又默默低下头，锤炼出以创新为内核的片瓦去搭建更为壮观的科学高楼。

将学习进行到底

所谓学无止境，在强调持久学习的同时也点明了学习的环境不是唯一。对于王栋来说，学习与科研的地点并不仅限于实验室，工作之“娱”同样也是学习的平台。尤其近几年来大热的3D国漫《秦时明月》，让他将“学”巧妙渗透在个人的娱乐活动里。在被动漫本身的剧情吸引外，“术业有专攻”的他将视觉研究向生活娱乐及兴趣领域外延，更关注动画制作在图形和计算机视觉上的进展，而当下动漫视觉技术的提高也让扎根于视觉技术领域多年的他备受鼓舞。

所谓学无止境，学习不仅要躬行实践，苦熬此时灯下，更要高瞻远瞩，统筹未来规划。王栋基于目前的研究工作，设想在今后的科研中能与国内相关的领域学者共同努力，引领计算机视觉从主攻具体成品向制定领域标准发展，在未来做出具有更大话语权的成果，在企业合作、公共生活、航天科工方面取得较大的社会效益。

王栋在个人学术方面一直坚守着专业要求，他在计算机视觉相关领域具有扎实的理论基础和丰富的实践经验，也不断更新着知识的广度和深度。个人领域上的自修积淀成集体项目的科研高楼，登上这高楼环望，在线目标跟踪技术似猎鹰一般，尽情翱翔在这无边蓝天，护佑着人民安全并予之方便。