聚焦智能视频分析前沿领域，本科研项目深度融合传统机器学习与类脑深度学习技术，在卷积神经网络架构优化、特征分类算法改进等方面开展创新研究，特别适合计划申请人工智能相关专业的学术型人才培养。
| 研究方向 | 智能视频分析中的行人检测与行为识别 |
| 技术融合 | 卷积神经网络与迁移学习的协同优化 |
| 成果产出 | EI/CPCI/SCOPUS收录论文+推荐信 |
系统掌握文献综述、实验设计、数据分析等核心科研技能，培养规范的学术写作能力
深入理解CNN、RNN等网络结构的改进策略，掌握TensorFlow/PyTorch实战技巧
从课题选择到论文发表的全程指导，包括期刊选择、修改意见处理等关键环节
采用双周报制度确保研究进度，前两个月完成文献综述与模型设计，中期开展对比实验，最后阶段进行论文撰写与修改。每周固定2次线上会议，突发问题48小时内响应解决。
