吴 昊
基本信息
- 职称：副教授
- 单位：世界杯押注官网
- 电子邮件：wuhao@bnu.edu.cn
- 通讯地址：北京市海淀区新街口外大街19号公司电子楼503
教育背景及科研基础
2006年9月起就读于北京交通大学思源班（理科实验班，核心理学课程按照北京大学的理学培养模式进行），培养了较为扎实的理论基础。2010年9月被推免直接攻读博士学位，重点参与了3项科技部973课题、国家自然基金等国家级课题。2013年10月至2015年11月在美国劳伦斯伯克利国家实验室进行深造学习、合作研究，并作为项目负责人承担了2项美国劳伦斯伯克利国家实验室开放项目。依托上述科研项目及相关成果，博士就读期间以第一作者身份发表了11篇SCI检索论文，其中3篇论文曾入选高被引论文或实现了重要的成果转化。获得国家奖学金、北京市优秀毕业生、智瑾奖学金、专项奖学金、一等学习奖学金等荣誉三十多次，并作为优秀毕业生代表在校毕业典礼上发言。
近几年，已经主持完成了2项国家自然基金项目、2项国家引智项目、6项美国劳伦斯伯克利国家实验室开放项目、5项省部级或其它高水平科研项目，并作为骨干成员重点参与了10余项国家级、省部级或其它高水平科研项目。依托上述项目，对计算机视觉、模式识别等领域进行了持续、深入研究，每年稳定地发表多篇高水平期刊、会议论文，并成功指导了多位同学发表高水平期刊、会议论文。担任SOFTWARE: PRACTICE AND EXPERIENCE等国际期刊或会议的特邀编委，并作为审稿人常年为IEEE TRANSACTIONS ON IMAGE PROCESSING, IEEE TRANSACTIONS ON MULTIMEDIA，PATTERN RECOGNITION, NEUROCOMPUTING, JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION，SIGNAL PROCESSING: IMAGE COMMUNICATION等知名期刊审稿。同时，作为美国劳伦斯伯克利国家实验室的客座项目负责人，和美国劳伦斯伯克利国家实验室保持稳定、高效地合作，平均每年承担1-2项该实验室的开放项目。已经将图像修复、图像去噪、三维重建等技术较好地应用于生命科学领域，并在劳伦斯伯克利国家实验室、南京大学进行了多次报告，多位顶级的科学家高度评价了相关科研成果。除此之外，将计算机视觉、模式识别的研究成果成功应用到了教育、文化、心理等其它领域。依托多个应用领域的学术、工程成果，已经申请或协助其它科研机构、企业申请国家发明专利50余项，其中多项已经实现了成果转化，并为多项国家标准的制定提供了直接的支撑。
讲授课程
计算智能（博士研究生）、文献阅读与科研规范（博士研究生）、信息论基础（硕士研究生）、数字音视频技术（本科生）、深度学习（本科生）
招生说明
主要招收计算机相关专业的同学，也重点考虑具备良好工程实践能力的理工科背景（电子、通讯等）的同学。工程实践能力较强、有前期科研积累、英文读写水平较好的同学优先考虑。欢迎推免和报考的同学提前联系，也欢迎编程能力优良的本科生加入团队（可为出国深造、保研等加强科研背景）。注：推免或报考的时候必须是计算机相关专业（计算机科学与技术一级学科）才能招收。
承担项目（项目负责人身份）
- 国家自然科学基金面上项目：基于海量多源素材优选的多选择图像修复研究，2021-2024
- 国家引智项目：鲁棒性智能计算方法的生命科学应用，2021-2022
- 国家引智项目：现代信息处理技术的生命科学应用，2020
- 国家自然科学基金青年项目：基于修复素材优选的图像修复研究，2017—2019
- 美国劳伦斯伯克利国家实验室开放项目：3D Reconstruction of Low-dose Images by AL/ML of Attention-Guided Net,2021年至今
- 美国劳伦斯伯克利国家实验室开放项目：Deep learning for denoising in low-dose cryo-electron tomography, 2019-2021
- 美国劳伦斯伯克利国家实验室开放项目：Developing the Deep Learning Algorithm for High-Resolution Electron Tomographic 3D Reconstruction ,2019-2021
- 美国劳伦斯伯克利国家实验室开放项目：Improving cryo-ET 3D reconstruction resolution based on the algorithm of the going deeper with convolutions (GoogLeNet ),2018-2019
- 美国劳伦斯伯克利国家实验室开放项目：Improving cryo-ET 3D reconstruction resolution based on the algorithm of generative adversative nets, 2018-2019
- 美国劳伦斯伯克利国家实验室开放项目：Computer Algorithm Development for Enhancement of Low-Dose TEM Image Contrast by Fields of Experts Method ,2016-2018
发表SCI检索论文（第一作者或通讯作者）
- Xiaoyu Zhu, Haodi Wang, Zhiyi Zhang, Xiuping Wu, Junqi Guo, Hao Wu(*). A deep learning network based end-to-end image composition[J]. Signal Processing: Image Communication, 2022: 116570.
- Hao Wu, Ding An, Xiaoyu Zhu, Zhiyi Zhang, Guodong Fan, Zhen Hua. Multi-source material image optimized selection based multi-option composition[J]. Image and Vision Computing, 2021, 107: 104123.
- Hao Wu, Rongfang Bie, Junqi Guo,Xin Meng and Shenling Wang Sparse coding based few learning instances for image retrieval[J]. Multimedia Tools and Applications, 2019: 1-15.
- Hao Wu, Yueli Li, Jie Xiong, Xiaohan Bi, Linna Zhang, Rongfang Bie and Junqi Guo. Weighted-learning-instance-based retrieval model using instance distance[J]. Machine Vision and Applications, 2019,30:163-176
- Linbin Jiao, Hao Wu(*), Haodi Wang and Rongfang Bie(*).Multi-scale semantic image inpainting with residual learning and GAN[J]. Neurocomputing, 2019, 331: 199-212.
- Hao Wu, Yueli Li, Xiaohan Bi, Linna Zhang, Rongfang Bie and Yingzhuo Wang. Joint entropy based learning model for image retrieval[J]. Journal of Visual Communication and Image Representation, 2018, 55: 415-423.
- Chao Zhang, Junchi Yan, Changsheng Li ,Hao Wu(*) and Rongfang Bie. End-to-end learning for image-based air quality level estimation[J]. Machine Vision and Applications, 2018, 29(4): 601-615.
- Hao Wu(#), Yueli Li, Zhenjiang Miao, Rongfang Bie and Yi Wang. A new sampling algorithm for high-quality image matting[J]. Journal of Visual Communication and Image Representation, 2016, 38: 573-581.
- Hao Wu(#), Yueli Li, Zhenjiang Miao, Rongfang Bie and Yi Wang. Creative and high-quality image composition based on a new criterion[J]. Journal of Visual Communication and Image Representation, 2016, 38: 100-114.
- Hao Wu, Zhenjiang Miao, Yi Wang and JingYue Chen. Recognition improvement through optimized spatial support methodology[J]. Multimedia Tools and Applications, 2016, 75(10): 5603-5618.
- Hao Wu, Zhenjiang Miao, JingYue Chen,Jie Yang and Xing Gao. Recognition improvement through the optimisation of learning instances[J]. IET Computer Vision, 2015, 9(3): 419-427.
- Hao Wu, Zhenjiang Miao, Yi Wang, JingYue Chen, Cong Ma and Tianyu Zhou. Image completion with multi-image based on entropy reduction[J]. Neurocomputing, 2015, 159: 157-171.
- Hao Wu, Zhenjiang Miao, Yi Wang and Manna Lin. Optimized recognition with few instances based on semantic distance[J]. The Visual Computer, 2014, 31(4): 367-375.
