【课题推荐发表期刊】

【课题背景】

随着人工智能技术的不断发展，人工智能系统在各个领域的应用日益广泛，其中包括图像识别领域。然而，由于图像识别系统的准确性不断提高，误识别的问题也逐渐凸显。特别是在安防领域、医疗诊断领域等对准确性要求极高的场景中，误识别可能带来严重的后果。

本课题旨在研究和开发基于图像识别的防错识别分析系统，并应用于安全监控、智能交通、工业检测等领域。通过对图像数据进行深度学习和模式识别分析，识别出可能引起误识别的因素，从而对算法进行优化和改进，提高系统的鲁棒性和稳定性，达到实时监测和识别图像中的异常行为和事件的目的，例如人员非法入侵、交通违规、设备故障等，及时报警并采取相应的措施，提升准确性和可靠性，提高工作效率和安全性，减少错误判定所可能造成的损失。

【课题方向参考】

• 开展更为先进的图像识别和分析技术研究，更加快速准确地识别图像中的对象和特征。从图像去噪、图像增强、图像修复等方面入手，从图像中提取特征并进行描述。

• 采用混合模型深度学习算法，对大量数据进行学习和分析，提高辨识准确率。

• 在加密技术（高级加密标准（AES），安全哈希算法（SHA）、访问控制技术（强制访问控制（HMAC），角色基础访问控制（RBAC））、身份验证技术（用户名和密码验证）、防火墙技术、安全审计技术、安全监控技术等安全保密技术方面开展研究，保证数据的安全性和隐私性，保护信息系统不受未经授权的访问、窃取或破坏。

【适合人群】

计算机科学相关专业的硕博研究生，对信息安全或机器学习和深度学习感兴趣，需具备一定的机器学习与深度学习研究基础。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

蔡老师，讲师，QS世界排名前50高校，博士

• 担任Journal of Intelligent & Fuzzy Systems, Journal of Sustainable Manufacturing in Transportation, ASEJ Science Journal等期刊审稿人；

• 研究方向：信息安全，密码学，机器学习，深度学习；

• 以第一作者身份，在行业顶尖期刊/会议上发表超过15篇论文，包括Scientific Reports，IJACSA， International Journal of Information and Computer Security等

• 具备丰富的英文写作经验和学术指导经验；熟练使用Visio studio code, jupyter

【课题安排】

研究周期预估六个月左右，具体视学员情况调整

【推荐阅读】

• 2019 A Survey on the New Generation of Deep Learning in Image Processing

• 2020 iSEC: An Optimized Deep Learning Model for Image Classification on Edge Computing