博客
关于我
【2020年高被引学者】 孙剑 旷视科技
阅读量:156 次
发布时间:2019-02-27

本文共 280 字,大约阅读时间需要 1 分钟。

2020年高被引学者孙剑是旷视科技的首席科学家和研究院院长,他在计算机视觉和计算机图形学领域进行深入研究,尤其关注解决基础研究问题和建立真实研究体系。他的主要研究方向包括计算摄影和基于图像的深度学习。

截至2020年,孙剑累计发表论文达358篇,累计引用次数高达140253次。这一成就不仅体现了他在学术领域的深厚造诣,也彰显了他在技术探索中的持续贡献。

作为技术领域的资深专家,孙剑不仅推动了旷视科技的技术发展,也为整个行业树立了标杆。他的研究成果不仅被同行广泛认可,更为行业的发展指明了方向。

如果你对孙剑的研究成果或论文有兴趣,可以关注相关信息了解更多。

转载地址:http://mwzd.baihongyu.com/

你可能感兴趣的文章
opencv&Python——多种边缘检测
查看>>
OpenCV-Python接口、cv和cv2的性能比较
查看>>
opencv26-模板匹配
查看>>
opencv29-轮廓周围绘制矩形框和圆形框
查看>>
OpenCV3 install tutorial for Mac
查看>>
opencv3-Mat对象
查看>>
opencv32-基于距离变换和分水岭的图像分割
查看>>
opencv4-图像操作
查看>>
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
查看>>
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>