來源:市場資訊
(來源:中國圖像圖形學會CSIG)
![]()
中國圖象圖形學學會博士/碩士學位論文激勵計劃旨在推動中國圖像圖形學領域的科技進步,鼓勵創新性研究,促進青年人才成長。
為宣傳科技工作者積極進取的工作精神,分享獲獎人的科研故事,本期推文我們獨家對話2025年度CSIG碩士學位論文激勵計劃提名獲得者杜凱樂,聽他講述科研路上的堅守與成長,以榜樣之力,赴創新之約。
問題一:感謝您接受CSIG專訪,請先進行一下自我介紹:
感謝CSIG的邀請,很榮幸能夠參與本次專訪。我畢業于蘇州科技大學,目前在東南大學從事人工智能與模式識別方向的研究,主要關注多標簽類增量學習與開放環境下的持續學習問題,致力于提升模型在真實動態場景中的穩定性與泛化能力。近年來圍繞關系建模、類別不平衡以及過自信預測抑制等關鍵問題開展了系統研究,相關成果發表于ECCV、AAAI及IEEE Transactions系列期刊與會議。同時,我也積極參與學術服務工作,擔任ICML、AAAI、ACM MM等國際會議審稿人。希望通過基礎研究與實際應用結合,推動持續學習技術在智能視覺系統中的發展。
![]()
問題二:在科研過程中,有沒有什么好的方法可以推薦給大家?
在科研過程中,我認為首先要學會從問題本身出發,而不是從方法出發。與其急于設計復雜模型,不如反復分析任務的真實困難與失敗案例,明確問題的本質來源。其次,要保持持續復現與對比的習慣,通過嚴格的實驗設計驗證每一步改動是否真正有效,這對于避免“偶然提升”非常重要。此外,建議盡早建立系統化的實驗與記錄機制,包括參數設置、結果變化和負面實驗,這些往往是后續創新的重要依據。最后,科研需要長期積累與耐心,多與同行交流、主動閱讀不同方向的工作,往往能帶來新的研究視角與啟發。
![]()
問題三:請對您的論文進行簡要介紹:
我的研究主要圍繞多標簽類增量學習展開,關注模型在開放環境中面對類別持續擴展與標簽不完整標注時的穩定學習問題。相關論文從關系建模、類別不平衡以及過自信預測等關鍵挑戰出發,提出了一系列改進方法。例如,通過增廣圖卷積網絡構建跨任務標簽關系,緩解標簽空間割裂帶來的性能退化;進一步針對多標簽增量學習中普遍存在的過自信預測問題,提出置信度自校準機制,有效降低假陽性錯誤;同時在學習目標與樣本層面引入雙重平衡策略,以同時抑制災難性遺忘與類別偏置。實驗結果表明,所提出方法在多個標準數據集上均取得了穩定且顯著的性能提升。
![]()
問題四:請問您在論文籌備過程中遇到最大的挑戰是什么?是怎樣克服的呢?
在論文籌備過程中,最大的挑戰是如何準確定位多標簽類增量學習中的核心問題,并通過充分的實驗與理論分析證明方法的有效性。由于該方向同時面臨類別持續擴展與標簽不完全標注帶來的復雜影響,模型性能的變化往往由多種因素共同造成,早期很難判斷改進是否真正來源于方法本身。為此,我通過大量對比實驗與消融分析,反復驗證不同模塊的實際作用,并重點分析失敗案例,從現象中追溯問題本質。同時,通過持續閱讀相關領域工作并與同行交流,不斷修正研究思路。最終通過系統化實驗設計與長期迭代,逐步明確關鍵問題并形成完整、可靠的研究方案。
![]()
問題五:請問您有什么獲獎感言呢?
能夠獲得這份榮譽,我感到非常榮幸與感謝。首先要衷心感謝我的導師胡伏原教授一直以來的悉心指導與耐心支持,從研究選題到論文打磨,每一步都給予了我極大的幫助與啟發。導師嚴謹的科研態度和對學術質量的高標準要求,讓我逐漸學會如何真正做好科研。未來我將繼續保持踏實認真的科研態度,不斷探索新的問題,努力產出更有價值的研究成果,以回饋導師的培養與信任。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.