师资队伍

教师风采

当前位置: 首页 -> 师资队伍 -> 教师风采 -> 正文

42F69

    

孙振

职称: 副教授
学院: 数据科学学院
电子邮箱: sunzhen@qust.edu.cn
  • 基本信息

  • 项目

  • 获奖

  • 论文

  • 专利

  • 课程

  • 教材或专著

  • 基本信息
    姓名:  孙振                                                   最高学位:博士                                                                    入职科大时间:2011.03          
    主要研究方向:计算机视觉、人工智能、数据分析                                                             导师类别:硕士生导师          
    国内外重要学术组织任职:  中国计算机学会会员、ISA Transactions审稿人
    学习研究经历:
    2014/07-2020/07:青岛科技大学,信息工程,博士
    2008/09-2010/12:华中科技大学,软件工程,硕士
    2004/09-2008/07:青岛科技大学,自动化,学士
  • 项目
    [1] 大陆马牌轮胎(中国)有限公司,技术开发合作,2022.1-2022.12,项目负责人
    [2] 青岛统一战线智库工作委员会,市级科研规划项目(QDTZZK2020WT05),2020.6-2021.3,项目负责人
    [3]2020 国家教育部,教育部协同育人项目(202002004032),2020.1-2021.12,项目负责人
    [4] 国家科技部,国家科技部创新基金,2014.10-2016.10,项目负责人
    [5] 国家科技部,国家科技部创新基金,2013.10-2015.10,项目负责人
    [6] 青岛市中心医疗集团,技术开发合作,2014.1-2014.12,项目负责人
    [7] 青岛市中心医疗集团,技术开发合作,2013.12-2014.6,项目负责人
    [8] 山东省科技厅,山东省重点研发计划(2017GGX30145),2017.7-2019.6,主要技术骨干(3/10)
    [9] 国家自然科学基金委,国家自然科学基金面上项目(61572268),2016.1-2019.12,主要技术骨干(4/10)
    [10] 国家科技部,国家重点研发计划课题(2016YFC0301903),2016.7-2020.6,主要技术骨干(4/10)
    [11] 国家科技部,国家科技重大专项子课题(2016ZX05057015),2018.6-2020.6,主要技术骨干(6/22)
    [12] 国家自然科学基金委,国家自然科学基金青年基金(61806107),2019.1-2021.12,主要技术骨干(6/10)
    [13] 山东省科技厅,山东省重大科技创新工程(2017CXGC0607),2017.3-2019.12,主要技术骨干(7/17)
  • 获奖
    2023年,2023届毕业生我最喜欢的老师
    2022年,2022届毕业生我最喜欢的老师
    2021年,中国大学生计算机设计大赛,国家三等奖
    2021年,中国大学生计算机设计大赛,山东省一等奖
    2021年,青岛科技大学青年教师教学竞赛,二等奖
    2019年,2019届青岛科技大学校级优秀学士学位论文指导教师
    2018年,2018届毕业生我最喜欢的老师
    2017年,青岛市科学技术进步奖,二等奖(第二位)
    2016年,2016年青岛科技大学教学效果优秀奖,二等奖
  • 论文
    [1] Zhang M, Liu H, Guan Y, Li Q, Sun Z. Misalignment Angle Calibration of Semi-Active Laser Seeker Based on Locally Weighted Scatterplot Smoothing and Interpolation Method [J]. Measurement, 2022, 205: 112182. SCI收录
    [2] Yuan, D.; Li, Q.; Yang, X.; Zhang, M.; Sun, Z*. Object-Aware Adaptive Convolution Kernel Attention Mechanism in Siamese Network for Visual Tracking[J]. Applied Sciences 2022, 12, 716. SCI收录
    [3] SUN Z, WU J, WANG L, et al. SRDT: A novel robust RGB-d tracker based on siamese region proposal network and depth information[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2020, 34(9): 1-16. SCI收录
    [4] Zhang, M.; Guan, Y.; Li, Q.; Sun, Z.; Duan, Z. Adaptive Nonlinear Control for the Stabilized Platform With Disturbance and Input Saturation. IEEE Access 2020, 8, 200774-200788. SCI收录
    [5] Qingdang Li, Rui Xu, Mingyue Zhang, Zhen Sun*. Visual Tracking Method Based On Siamese Network With Multi-Feature Fusion[J]. Automatic Control and Computer Sciences 2022. EI收录
    [6] SUN Z, LI Q, WANG L, et al. Deep learning based visual object tracker with template update[J]. UPB Scientific Bulletin, Series C: Electrical Engineering and Computer Science, 2020, 82(2): 65-76. EI收录
    [7] SUN Z, WU J, LI Q. Mcnn-te: A novel method for fractographic images classification based on multi-channel CNN and texture enhancement[J]. UPB Scientific Bulletin, Series C: Electrical Engineering and Computer Science, 2019, 81(4): 121 - 132. EI收录
    [8] ZHEN S, QINGDANG L, LU W, et al. A distributed video monitoring system architecture for semantic retrieval[C]. 2019 2nd International Conference on Safety Produce Informatization (IICSPI), 2019: 574-577. EI收录
    [9] SUN Z, WU J, LI Q. A texture enhancement method of fractographic SEM image[C]. 2018 International Conference on Advanced Mechanical and Electrical Engineering, 2018: 549-552. EI收录
    [10] LI X, LI Q, WANG L, SUN Z. Influence of oblique angle on hydrodynamics of gas-solid fluidization in micro fluidized bed[C]. 2017 Chinese Automation Congress (CAC), 2017: 5709-5714. EI收录
    [11] GAUSEMEIER J, KLOCKE F. 工业4.0国际标杆调研[M]. 李庆党,孙振,王晓波,吕晓龙,张钦,译.化学工业出版社, 2017: 122.
  • 专利
    [1]授权国家发明专利:吞吐柔性智能装配物流路径规划平台(授权号:ZL2019102636137),2019年4月1日,第二位
    [2]授权国家发明专利:吞吐柔性智能装配物流路径规划方法(授权号:ZL2019102635986),申请日:2019年4月1日,第二位
    [3]授权国家发明专利:工业机器人重复定位精度测量方法(授权号:ZL2019104939740),申请日:2019年6月8日,第三位
  • 课程
    [1]研究生课程,算法分析与设计,32学时
    [2]本科生课程,操作系统原理,64学时
    [3]本科生课程,智能硬件技术,64学时
  • 教材或专著