恭喜李睿祺顺利毕业！
李睿祺，本科毕业于上海大学，于2020年开始在上海大学计算机工程与科学学院攻读学术型硕士研究生。李睿祺同学自本科大四开始进入韩越兴研究组学习研究材料图像处理相关技术与应用，在韩老师的悉心指导下，延续并推进了以下研究：
-
菊池带花样的自动化检测。晶体的结构和取向信息可以通过分析EBSD（电子背散射衍射）花样来获取，这些图案是通过EBSD设备获得的。所得信息的可靠性和准确性取决于EBSD花样条带和交点的定位。在这项研究中，提出了一种方法结合Radon变换和累计概率概率霍夫变换实现自动获得EBSD花样（菊池带）和交点的位置。实验结果表明，该方法是鲁棒的，并可以检测出更多准确的菊池带和交点。
-
为了解决材料图像分割任务中标注代价与分割精度二者之间的平衡问题，实时获得分割模型，设计了基于交互式划线标注与机器学习的材料图像分割算法。该方法以实时获取分割模型为首要目标，提取材料图像的中心点邻域特征并进行多轮交互式划线标注，采用增量学习方法训练得到最终的图像分割模型。
-
为了实现根据有限且易获取的标注数据，获得高精度的分割模型，设计了基于伪标签的弱监督深度学习材料图像分割方法。该方法以基于有限标注数据获取最佳分割结果为目标，设计了新的双分支网络结构，提出新的上下文特征差异监督损失用于生成伪标签，使得模型可以仅根据划线标注的训练图像获得较高的分割准确率。本方法解决了深度学习神经网络在材料图像分割任务中面临的小样本问题、标注困难问题和测试过程中的资源浪费问题。
-
由于相变的快速性和板条马氏体的复杂形态，基于马氏体图像的传统研究难以提供相变过程中的足够信息数据。本研究提出了一种新的视频处理方法，用于提取并分析板条马氏体转变视频中的信息数据。图像数据分析提供了板条马氏体相变的以下动态信息，包括转化的数量、最大长度、最大宽度、平均长度、平均宽度、面积和类别朝向。该研究打破了基于静态图像研究马氏体的局限性，充分描述了马氏体动态转变的各种数据和信息。
毕业后李睿祺同学进入联影智能从事软件开发相关工作。李睿祺同学在上海大学三年的研究生生涯中努力学习，不断增强自己的专业知识和研究汇报能力，有幸结识了许多良师益友。希望李睿祺同学在未来的道路上不忘初心，牢记使命，披荆斩棘，砥砺前行。
