恭喜李睿杰顺利毕业！

李睿杰，本科毕业于上海大学，于2023年9月开始在上海大学计算机工程与科学学院攻读硕士研究生，加入课题组后，跟随韩越兴老师学习形状空间理论和特征增强等相关技术与应用。在韩老师的悉心指导下，完成了以下研究：

1. 针对已有测地线特征增强方法迭代搜索式优化效果不佳、效率低下的挑战，提出一种基于形状空间理论的自适应测地线特征增强方法。该方法克服了传统欧氏空间线性插值难以刻画特征非线性几何结构的瓶颈，旨在生成高质量特征。其核心流程为：首先将样本深度特征投影至预形状空间，并拟合自适应测地线以进行非线性特征增强；接着，重新设计融合样本相似性损失与分布差异损失的联合损失函数以约束测地线形态；最终，以梯度下降替代大量点采样与测地距离计算完成优化。实验证明，相较于现有方法，本方法在 CIFAR-10@5 等少样本数据集上显著提升了增强样本质量与下游分类准确率，有效降低了运行时间与能耗，展示了其在数据受限任务中的潜力。

2. 针对单样本等极端场景下样本不足、测地线难以拟合的挑战，提出一种可扩展的测地线特征增强框架。该框架旨在将自适应测地线特征增强方法推广至从单样本到大规模数据的不同场景，兼顾计算效率与增强性能。具体而言，该框架将图像增强驱动的特征扩充引入预形状空间特征增强流程，以缓解极端场景下的特征稀缺，并结合小批次梯度下降处理大规模数据，利用基于样本来源的加权机制平衡原始特征与扩充特征的贡献。实验表明，该框架能在无需重新训练骨干网络的情况下，实现多尺度特征增强，并在生成增强特征时，相较于对比方法，能够更好地维持原始样本的分布结构与判别能力。

毕业后，李睿杰同学将进入 EA CHINA。回首在上海大学的三年，他学习努力，科研认真，专业能力持续精进，也与众多良师益友结下了深厚的情谊。希望李睿杰同学带着这份收获与历练，在未来的道路上不忘初心，砥砺前行，乘风破浪，前程似锦。

论文链接：基于形状空间理论的特征增强方法研究

代码链接：https://github.com/han-yuexing/2026-thesis-lrj-code