计算机学院
通讯地址：
个人邮箱：zuoxin@just.edu.cn
邮政编码：212003
办公地点：
传真：
左欣，女，中共党员，研究生学历，博士学位，副教授，硕士生导师。主要从事计算机视觉、人工智能及机器学习方面的研究与教学工作，主要研究方向包括行人检测、缺陷检测、智慧农业等。近年来主持江苏省自然学基金（青年项目）1项、国家自然科学基金（青年项目）1项、江苏省高等学校自然科学研究项目1项、共同主持省级教改课题1项，主持市厅级教改课题3项。发表SCI论文30余篇。
2017年赴美国俄克拉荷马州立大学从事访问学者的研究工作为期一年。近年来指导本科生参加各类竞赛，获中国大学生计算机设计大赛国赛一等奖2项、 国赛二等奖1项、国赛三等奖1项；全国大学生物联网设计竞赛（华为杯）全国总决赛二等奖等若干奖项。获江苏科技大学计算机学院2019先进个人荣誉称号，江苏科技大学2024优秀教师荣誉称号。获全国研究生数学建模大赛二等奖2项（2023、2024）
指导类型：
计算机科学与技术学术学位硕士生导师
软件工程学术学位硕士生导师
计算机、人工智能专业学位硕士生导师
计算机视觉
机器学习
模式识别
人工智能
基于多类局部信息共享的多属性联合学习方法研究（江苏省高等学校自然科学研究项目：15KJB520008，2015.10-2018.9，结题，主持）
基于人脸语义特征识别的多属性联合学习方法研究（江苏省自然科学基金：BK20150470, 2015.10-2018.9，结题，主持
无人车能为人们提供安全高效的出行服务，也对社会经济发展具有越来越重要的引导作用。行人检测是无人车安全行驶的关键步骤，也是计算机视觉领域的研究热点和难点，而全天候行人检测是当前无人驾驶面临的重要挑战。本项目面向全天候车载行人检测任务的应用需求，利用远红外与可见光图像的互补信息，对以下四个方面展开研究：⑴建立基于多模态图像的特征融合、协同学习模型，研究基于多模态差分特征的高效检测算法；⑵建立基于多模态图像的多粒度特征融合、自适应区域特征提取协同学习模型，研究尺度信息引导的鲁棒行人检测算法；⑶在此基础上，建立基于弱监督人体分割信息的行人检测、分割协同学习模型，研究行人检测与分割任务之间的信息交互机制；⑷在以上基础上，建立目标关联关系模型，研究语义场景对行人检测任务的证据支撑机制。本项目的研究成果不仅可以丰富多模态图像融合的理论体系，而且将显著推动行人检测技术研究，提升无人车安全性能。
基于多类局部信息共享的多属性联合学习方法研究（江苏省高等学校自然科学研究项目：15KJB520008，2015.10-2018.9，结题，主持）
基于人脸语义特征识别的多属性联合学习方法研究（江苏省自然科学基金：BK20150470, 2015.10-2018.9，结题，主持
无人车能为人们提供安全高效的出行服务，也对社会经济发展具有越来越重要的引导作用。行人检测是无人车安全行驶的关键步骤，也是计算机视觉领域的研究热点和难点，而全天候行人检测是当前无人驾驶面临的重要挑战。本项目面向全天候车载行人检测任务的应用需求，利用远红外与可见光图像的互补信息，对以下四个方面展开研究：⑴建立基于多模态图像的特征融合、协同学习模型，研究基于多模态差分特征的高效检测算法；⑵建立基于多模态图像的多粒度特征融合、自适应区域特征提取协同学习模型，研究尺度信息引导的鲁棒行人检测算法；⑶在此基础上，建立基于弱监督人体分割信息的行人检测、分割协同学习模型，研究行人检测与分割任务之间的信息交互机制；⑷在以上基础上，建立目标关联关系模型，研究语义场景对行人检测任务的证据支撑机制。本项目的研究成果不仅可以丰富多模态图像融合的理论体系，而且将显著推动行人检测技术研究，提升无人车安全性能。
基于多类局部信息共享的多属性联合学习方法研究（江苏省高等学校自然科学研究项目：15KJB520008，2015.10-2018.9，结题，主持）
基于人脸语义特征识别的多属性联合学习方法研究（江苏省自然科学基金：BK20150470, 2015.10-2018.9，结题，主持
无人车能为人们提供安全高效的出行服务，也对社会经济发展具有越来越重要的引导作用。行人检测是无人车安全行驶的关键步骤，也是计算机视觉领域的研究热点和难点，而全天候行人检测是当前无人驾驶面临的重要挑战。本项目面向全天候车载行人检测任务的应用需求，利用远红外与可见光图像的互补信息，对以下四个方面展开研究：⑴建立基于多模态图像的特征融合、协同学习模型，研究基于多模态差分特征的高效检测算法；⑵建立基于多模态图像的多粒度特征融合、自适应区域特征提取协同学习模型，研究尺度信息引导的鲁棒行人检测算法；⑶在此基础上，建立基于弱监督人体分割信息的行人检测、分割协同学习模型，研究行人检测与分割任务之间的信息交互机制；⑷在以上基础上，建立目标关联关系模型，研究语义场景对行人检测任务的证据支撑机制。本项目的研究成果不仅可以丰富多模态图像融合的理论体系，而且将显著推动行人检测技术研究，提升无人车安全性能。
1. 2016-2017 美国俄克拉荷马州立大学（Oklahoma State University），访问学者。
2. 2008-2014 东南大学计算机科学与技术专业博士；
3. 2004-2007 江苏科技大学计算机应用专业硕士；
机器学习、人工智能、模式识别、图像处理、计算机视觉
学校地址：江苏省镇江市丹徒区长晖路666号
邮编：212100
TEL:0511-84402122
版权所有©2013-2022 江苏科技大学 苏ICP备05063164号
