恭喜王迎港顺利毕业！

王迎港，本科毕业于华侨大学，电气工程及其自动化专业，于2020年秋季开始于上海大学计算机学院攻读软件工程专业型硕士，加入课题组后，跟随陈侨川、韩越兴和张瑞老师研究科学文献中的曲线信息处理方法，在老师们的悉心指导下，完成了以下研究：

1. 首先，针对当前科学文献中普遍存在的曲线坐标图曲线数据提取困难与耗时费力问题，本文探索从边缘检测角度实现曲线信息自动提取。曲线图像大多数绘制种类多样、密度较大、连续性较强，导致不同的方法提取的曲线信息不准确。本文尝试在密集网络模型基础上提出端到端的曲线提取模型以用来解决曲线检测方法产生的曲线线条杂乱且模糊等问题，提高曲线信息提取准确率。通过增加自适应空洞卷积模块扩大感受野，添加逐层反向细化路径模块，每一层的中间输出引入后续细化模块，精心设置损失函数参数，进而优化了网络性能。此外还自主构建了曲线检测的数据集，对改进后的模型进行训练，进一步提高了网络对曲线图像中曲线边缘信息提取的能力。定性评价结果进一步体现了本文方法相比于其他方法的优越性。

2. 其次，针对上述方法堆叠过多的密集卷积模块而造成通道特征信息损失，模型可训练参数较大、训练推理耗时较长等问题，本文提出了基于双重高效通道注意力机制的曲线提取网络结构。该方法以Vgg作为主干特征提取网络，采用双重高效通道注意力机制结构表征不同通道的特征的权重，更好地学习图像中通道之间的关系，提高特征表示的能力;然后嵌入阶段特征融合模块，减少特征丢失并增加特征表达能力，通过将不同阶段的低分辨率和高分辨率特征进行融合，使得模型可以更好地理解图像中的语义信息，同等情况下模型参数大幅降低。在曲线数据集上进行训练与测试，结果表明，该方法提取的曲线结构轮廓清晰、层次分明、定位准确，用更少的参数解决了曲线周边模糊等问题，提升了曲线提取精度。

3. 最后，曲线数据提取算法的复杂性和实现难度往往限制了其应用范围。因此，开发易用的数据提取软件可以使曲线数据提取更加普及和易于使用，进一步推动其在实践中的应用。本文着眼于曲线数据提取的实用价值，开发桌面端数据提取软件，推动算法落地，可以让更多的人受益于曲线数据提取的实用价值，促进其在各个领域的广泛应用。

王迎港同学毕业后加入京东零售集团，从事服务端软件开发工作。在上海大学研究生期间，他努力学习，增强专业知识和研究能力，收获了良师益友。他将怀瑞初心，牢记使命，勇往直前，为京东的发展贡献智慧与力量。相信他将成为行业佼佼者，砥砺前行。

论文链接：科学文献中的曲线信息处理方法研究