|  |
| 个人简介 |  |
| 学习经历： 1994年9月－1998年6月，上海交通大学，电子工程，学士 1998年9月－2001年3月，上海交通大学，电子工程，硕士 2001年9月－2008年6月，加拿大多伦多大学，计算机科学，博士 工作经历： 2008年2月－2010年10月，加州大学洛杉矶分校，博士后 2010年10月－2012年12月，澳大利亚信息科学研究院（兼任澳洲国立大学）, 研究员 2012年12月－2016年6月，澳大利亚信息科学研究院（兼任澳洲国立大学）, 高级研究员 2016年6月－2016年12月，澳大利亚联邦科学与工业研究组织（兼任澳洲国立大学）, 高级研究员 2016年12月－至今，上海科技大学，副教授、研究员。 |
| 主要研究内容 | |
| 何旭明副教授的研究方向包括机器学习，计算机视觉和生物视觉。现在的研究课题专注于语义场景分割，物体检测和重建，三维场景理解，视频和运动分析，结构化模型的高效推理和学习，以及人工视觉。他已经发表了超过50篇期刊和会议文章，包括CVPR, ICCV, ECCV, AAAI, NIPS, IEEE TIP, IEEE TPAMI, Journal of Vision等。 |
| 代表性论文 | |
| 1. Buyu Liu, Xuming He, Learning Dynamic Hierarchical Models for Anytime Scene Labeling. European Conference on Computer Vision (ECCV), 2016 2. Zeeshan Hayder, Xuming He, Mathieu Salzmann, Learning to Co-Generate Object Proposals with a Deep Structured Network, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016 3. Alexander Mathews, Lexing Xie, Xuming He, SentiCap: Generating Image Descriptions with Sentiments. AAAI Conference on Artificial Intelligence (AAAI-16), USA 4. Zeeshan Hayder, Xuming He, Mathieu Salzmann, Structural Kernel Learning for Large Scale Multiclass Object Co-Detection, International Conference on Computer Vision (ICCV), 2015 5. Buyu Liu, Xuming He, Multiclass Semantic Video Segmentation with Object-Level Active Inference, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2015 6. Xuming He, Stephen Gould, An Exemplar-based CRF for Multi-instance Object Segmentation,IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2014 7. Shuang Wu, Xuming He, Hongjing Lu, and Alan Yuille, A Unified Model of Short-range and Long-range Motion Perception, Annual Conference on Neural Information Processing Systems (NIPS), 2010 8. Liam Stewart, Xuming He, Richard S. Zemel, Learning Flexible Features for Conditional Random Fields, IEEE Transactions on Pattern Analysis and Machine Intelligence, 30(8), 1415-1426, 2008. 9. Xuming He, Richard Zemel, and Miguel Carreira-Perpinan, Multiscale Conditional Random Fields for Image Labelling, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2004 |
