恭喜杨珅顺利毕业！！
杨珅，本科毕业于安徽中医药大学，2019级计算机应用技术硕士。师从韩越兴老师，主要研究材料图像分割课题。经过三年的努力，杨珅同学提出了面向复杂纹理的材料微观结构分割与识别的分割方法，为解决材料图像中小样本、数据分布不平衡和纹理复杂的纹理做出一些贡献，为材料基因数据库的构建添砖加瓦。毕业后杨珅同学将进入中兴通讯股份有限公司从事无线产品开发工作。此外，杨珅同学课外爱读书和写作，积极参加社团活动，结识一群有趣且优秀老师和同学。三年的研究生生活就像爬山，哭过、笑过、累过，但最终登上顶峰，看到属于自己的那份独特风景，希望在未来的人生中永远热忱，勇敢无畏的奔向前方！
研究生期间工作
为了解决材料图像中存在的小样本、数据分布不平衡和纹理复杂的问题，结合多种深度学习技术自动化地分割材料图像中的微观结构，为材料基因数据库的构建提供数据基础。
-
针对材料图像分割中存在的小样本问题，提出基于深度学习和超像素的材料图像分割方法，抓住材料图像同相的像素高度相似的特性，利用超像素算法获取矩形块，解决了材料图像的小样本问题提出的改进的 DenseNet 通过施加特征增强模块保留纹理特征，去除冗余特征的干扰，设计的过渡层上采样方法，较好的恢复特征图信息。
-
针对材料图像中数据分布不平衡的问题，使用并改进两种损失函数，针对分类任务中数据分布不平衡问题，基于 Focal 损失提出 Precison Foca 损失，将置信度替换为精度，更准确的反映样本分类的难度，并反馈给网络，优化训练过程；针对分割任务中的数据分布不平衡的问题，基于 Dice 损失提出 CE-Dice 损失，CE-Dice 损失结合交叉熵损失和 Dice 损失，训练过程更平滑，优化分割结果。
-
实现了具有复杂纹理的材料图像的精确分割，第三章提出的改进的DenseNe,保留关键纹理特征，去除冗余特征对矩形块识别的干扰；第四章提出改进的 FCN，实现纹理相似的材料图像精确分割，级联的特征融合模块融合高层与低层语义特征，多尺度学习模块深度挖掘细粒度信息和全局上下文信息，采用注意力机制模块关注重要的特征图，优化资源配置，三种模块互为补充。
