万冠新の無事卒業おめでとうございます！

万冠新、本科は桂林理工大学を卒業し、2021年9月から上海大学コンピュータ工学と科学学院で修士課程大学院生を専攻し、課題グループに加入した後、韓越興先生に従って形状空間理論と画像特徴の増強などの関連技術と応用を学習した。韓先生のご指導のもと、以下の研究が完成しました。

1. 小サンプル画像シーンにおける利用可能なデータの少なさと多様性の不足の特徴に対して、事前形状空間測地曲線に基づく画像特徴の増強方法を提案し、FAGC-PSS（Feature Augmentation on Geodesic Curves in Pre-Shape Space）と略称する。まず深さ学習モデルを用いて小サンプル画像の特徴を抽出する、形状空間理論に基づいて画像特徴の次元を向上させ、それを前形状空間に投影する、それぞれのカテゴリの特徴データに対応する測地曲線を構築する、最後に最適な測地曲線に沿って特徴データを生成し、画像処理モデルの訓練に用いた。この方法の革新は以下の3点を含む：第一に、小サンプル画像の特徴強化を実現し、モデルが訓練サンプルの分布と規則を全面的に理解し、モデルのロバスト性と信頼性を高めるのに役立つ、第二に、提案したFAGC-PSS特徴増強方法は、機械学習の分類モデルと結合することでより良い結果を得ることができるなど、複数の下流タスクに応用することができる。第三に、小サンプル画像分類タスクの交差エントロピー損失関数にランダム確率関数と影響因子を設計し、生成特徴と画像特徴がモデルに与える影響をバランスさせることができる。

2. 材料画像に小サンプルと材料性能予測精度がよくない特徴があることに対して、本論文はFAGC-PSSに基づく材料性能予測方法を提案する。この方法はFAGC-PSSの下流タスクフレーム構造を設計し、偽ラベル機構を結合することにより、小サンプル材料画像上の材料性能予測タスクを実現する。具体的なプロセスは4つのステップを含む：材料画像特徴の抽出、FAGC-PSSを通じて特徴を生成し、偽ラベル機構を利用して特徴のために性能値ラベルを表示し、最後に強化特徴を利用して材料性能予測モデルを訓練する。この方法の革新は以下を含む：予測材料性能モデルにFAGC-PSSモジュールを導入して、特徴データの多様性と複雑性を強化する、生成された特徴データに対して擬似ラベル機構を設計して寸法を付ける。実験の結果、異なる種類の材料性能予測任務に対して、この方法は良好な有効性と普遍性を示すことができることが明らかになった。

卒業後、万冠新学友はファーウェイ会社に入社した。万冠新学友は上海大学の3年間の大学院生生活の中で努力して学習し、科学研究プロジェクトに参加し、優れたプログラミング技能とアルゴリズム開発能力を示した。複雑な技術問題に対して、迅速に分析し、有効な解決策を提案することができ、強い独立研究能力と革新意識を示した。万冠新入生が未来の道で初心を忘れず、使命をしっかり覚え、勇敢に前進し、より輝かしい前途を切り開くことを望んでいる。

論文へのリンク：基于形状空间理论的图像特征增强及其在材料性能预测中的应用