聚焦类脑深度学习与智能视频分析的交叉领域研究，本科研项目专为计划申请计算机视觉、机器学习方向的学生设计。通过构建深度神经网络模型，探索行人检测与行为分析的创新算法实现。
| 指导内容 | 具体模块 |
| 理论基础构建 | 卷积神经网络架构优化、迁移学习策略、特征融合技术 |
| 实验设计 | 视频数据集处理、模型训练参数调优、算法性能验证 |
| 论文撰写 | 文献综述方法、实验数据分析、学术写作规范 |
采用阶段式目标管理，前2个月完成文献调研与算法设计，中期进行模型迭代优化，最终阶段聚焦论文撰写与投稿指导。每周固定2次线上会议，确保研究进度可控。
研究数据经多伦多大学附属实验室验证，论文投稿前经过3轮专家评审。近三年学员成果收录于ICCV、AAAI等A类会议，最高影响因子达6.7。
