个人简介

陈俊杰Junjie Chen

江西财经大学 / 讲师 · 工学博士

以计算机视觉为基础,面向世界模型、低空经济与具身智能中的视觉问题,开展组件结构表征、场景活动理解与视觉行动决策研究。

陈俊杰个人肖像

个人背景

江西财经大学

讲师

上海交通大学

工学博士

四川大学

工学学士

主讲课程

  • “本科生科研:从C语言到CVPR”系列课程及3+4+X项目
  • “生活智造:许愿式软件工程”系列课程及3+4+X项目
01 / RESEARCH

科学研究

围绕组件结构表征、场景活动理解与视觉行动决策,探索计算机视觉与世界模型、低空经济及具身智能的交叉研究。

研究全景

三个方向沿“表征—理解—决策”展开:组件结构表征为理解物体与场景提供基础,场景活动理解为任务判断与行动选择提供语义依据;视觉行动决策根据任务目标组织观测与行动,并通过新的视觉信息更新结构表征和场景理解,形成相互支撑的研究体系。

计算机视觉研究全景:组件结构表征、场景活动理解与视觉行动决策,展示城市河岸中的人车活动、场景关系和无人机观测路径
01
面向世界模型的结构化表征

组件结构表征

研究物体的组件、关键点及其空间关系,理解物体姿态与完整形状,关注遮挡条件下的结构推断和跨类别泛化,探索能够支撑世界模型的结构化视觉表征。

02
面向低空经济与城市场景

场景活动理解

面向城市与低空场景,关注目标、行为活动及其交互关系,探索场景语义、事件识别与风险分析。结合目标检测、遮挡处理与跨模态知识迁移等研究积累,理解复杂环境中的活动与变化。

03
面向具身智能的行动探索

视觉行动决策

面向具身智能与低空任务,探索任务引导的视角选择、路径规划与观测策略,通过连续观察和交互更新环境认知,为目标跟踪与行动决策提供依据。

主持项目

  1. 国家自然科学基金 · 青年科学基金项目
  2. 赣鄱俊才支持计划
  3. 江西省自然科学基金 · 青年科学基金项目
  4. 江西省自然科学基金 · 面上项目
  5. 江西省职业早期人才培养项目
02 / PUBLICATIONS

研究成果

03 / UNDERGRADUATE RESEARCH

本科生科研申请

从兴趣出发,在实践中学习研究方法,逐步尝试独立研究。

欢迎对计算机视觉与人工智能感兴趣的本科生联系交流。科研训练既需要知识积累,也离不开主动思考、动手实践和持续探索。通过循序渐进的指导和踏实投入,希望帮助同学们逐步掌握研究方法,培养独立思考与解决问题的能力。

计算机视觉的研究问题直观,应用场景丰富,例如定位物体的关键部位、识别图像中的目标,以及推断物体被遮挡的部分。同学们可以从论文阅读、算法复现和实验分析入手,逐步学习如何提出问题、设计方法和表达成果。课题组与多媒体智能处理江西省重点实验室、上海交通大学 BCMI 实验室保持密切合作,在姿态估计、图像分割、目标检测与多模态学习等方面形成了研究积累。

培养方式

课题组采用梯次培养方式,将教师指导与团队协作相结合,帮助同学在具体课题中积累经验、逐步承担研究工作。培养安排会结合每位同学的课程、基础和研究进展,在基础学习、课题选择、算法复现、代码实现、实验分析与论文写作等环节提供持续指导。

基础与入门

学习课题所需的数学、机器学习与深度学习知识,养成良好的编程习惯。通过论文阅读、代码实践和小规模实验,理解研究问题,熟悉科研的基本过程。

协作与实践

参与课题协作,练习算法复现、实验实施与结果分析,学习任务推进、实验记录和问题交流。鼓励有条件的同学从大一开始积累基础,逐步参与团队研究与论文投稿。

负责与探索

在前期训练的基础上,逐步承担选题、实验设计、研究推进与论文写作等工作,争取在大二、大三阶段负责具体课题,形成学生一作成果。

投入与收获

科研能力需要持续积累,尽早开始能够为基础学习、实践探索和成果形成留出更充分的时间。希望同学在兼顾课程的基础上保持稳定投入,认真记录实验、主动交流进展,遇到困难及时讨论。具体安排可根据课程负担与课题进展共同商定。

科研训练的收获包括论文成果,也包括编程、文献阅读、实验分析、学术表达与团队协作能力的提升。课题组的学长学姐会分享科研经历,以及推免和升学准备经验,为后续学习与发展提供参考。

已有培养成果

已有本科生在大三阶段取得 CCF A 类论文共同一作、CCF A 类论文学生一作及计算机视觉国际会议论文学生一作等成果;另有两项专利成果由大三学生担任学生一作。这些经历展示了同学们从参与协作到负责课题、逐步形成研究成果的成长过程。

每位同学的基础和成长节奏有所不同,研究探索与论文投稿也存在不确定性。培养安排会结合实际进展灵活调整,鼓励扎实积累,逐步形成适合自己的研究节奏。

申请方式

有意申请的同学,欢迎发送邮件至 chen.bys@outlook.com,主题建议为“本科科研—姓名—学院专业年级”。请在邮件中介绍所在学院、专业和年级、编程与数学基础、感兴趣的研究问题,以及可持续投入科研的时间安排。

可随信附上个人简历、课程项目、代码链接或学习记录,也欢迎介绍已有的论文与竞赛经历。尚未确定选题的同学,可以先分享感兴趣的视觉问题和相关学习经历。如实介绍自己的兴趣、基础与时间安排即可,无需为初次联系准备过于复杂的材料。

04 / MASTER’S ADMISSIONS

硕士研究生招生

欢迎通过推免或考研途径申请的同学联系交流。

欢迎对计算机视觉与人工智能研究感兴趣、计划通过推免或考研途径申请硕士研究生的同学联系交流。培养过程注重系统的科研训练,帮助同学在解决具体问题的过程中掌握研究方法,逐步具备独立开展研究的能力。

研究方向涵盖组件结构表征、场景活动理解与视觉行动决策。选题可从关键点与姿态估计、遮挡物体理解、弱监督学习、跨模态知识迁移及无人机视觉等研究积累出发,结合个人兴趣与基础,逐步凝练具有研究价值、适合深入探索的问题。

培养目标与指导

研究生培养以目标和成果为导向,围绕具体问题安排学习与实践,通过实验分析和阶段总结梳理进展、调整计划。培养方案会充分考虑个人基础,在基础训练、课题选择、算法复现、代码实现、实验分析与论文写作等环节提供指导,帮助同学逐步从完成具体任务走向自主研究。

夯实基础

系统阅读相关文献,理解问题背景、已有方法及其局限。通过算法复现熟悉代码与实验流程,逐步掌握实验设置的依据和结果分析的方法。

独立推进

围绕具体问题提出研究假设、设计实验并持续推进,分析不同方法的效果及原因。注重主动沟通、实验记录、代码质量与学术诚信,保证研究过程规范、结论有据可查。

总结与表达

梳理研究问题、方法设计与实验结论,形成完整的研究工作。学习论文写作、投稿修改与学术交流,准确说明研究动机、主要贡献、实验依据及方法局限。

支持与激励

课题组通过与多媒体智能处理江西省重点实验室、上海交通大学 BCMI 实验室的密切合作,为同学开展研究、拓展学术视野和参与交流提供支持。除实验室基本补贴和学校各级奖励外,课题组还根据论文质量提供相应奖励,并在论文投稿、接收后安排带薪休假。

希望这些安排能够支持同学安心开展研究,兼顾学术成长与生活。课题组的学长学姐会分享就业、攻读博士和海外升学的经验。对于有意攻读博士的同学,将给予有力推荐,并积极协助申请海外联合培养及相关学术交流机会。

研究积累与发展

以往培养的研究生均取得了 CCF A 类论文、国家发明专利等科研成果。培养经历表明,在研一阶段逐步学会独立开展实验、持续推进课题,有助于形成扎实的研究积累,为后续科研、就业与继续深造打好基础。

培养过程中重视每位同学的长期发展,希望通过科研训练,逐步提升独立分析问题、解决问题和清晰表达观点的能力,为毕业后的就业或继续深造提供长久支持。

联系与申请

有意申请的同学,欢迎将个人简历发送至 chen.bys@outlook.com,主题建议为“硕士招生—姓名—入学年度—推免/考研”。请介绍本科院校与专业、申请途径、学习与项目经历、编程及科研基础、感兴趣的研究方向,以及希望交流的问题。

推免申请者可介绍学习成绩、专业排名及推免资格情况;考研申请者可介绍拟报考专业、备考进展,以及已公布的初试成绩或复试安排。材料可根据申请进度提供,也欢迎在准备阶段提前交流研究兴趣与申请计划。

如有代码、课程项目、论文阅读记录或研究成果,可随信提供材料或链接,便于了解你的学习与实践经历。也欢迎结合主页中感兴趣的论文,分享自己的理解和希望进一步探究的问题。

欢迎通过邮件交流研究兴趣与培养意向。推免接收、考研报考、复试和录取等事项,以学校当年的招生安排为准。

05 / CONTACT

联系方式

欢迎通过邮件交流研究问题与论文想法,也欢迎咨询本科生科研申请和硕士研究生招生事宜。来信请简要介绍个人背景与交流意向,便于有针对性地回复。