基于ffmpeg的音频格式转换研究(2019年1月)
ffmpeg作为一个开源音视频处理工具，能够实现多种格式的音频之间相互转换，但不支持silk格式向其他格式的转换，主要工作是基于ffmpeg中的已有代码，用C++实现silk格式到wav格式的转换，用了两周时间，在mentor的帮助下，完成了工作。

基于图像处理算法的自动语音识别数据收集系统(2019年2月-2019年6月)
项目的主要目的是从海量视频数据中得到有效的语音识别数据，即得到字幕与音频相对应的srt文件；在完成项目的过程中，尝试了使用语义分割的方法将视频帧的前景（有效字幕）与背景（其他）分割开来，然后使用tesseract识别视频帧上的字幕以及直接进行ocr，接着对一段时间内出现的所有字符串根据其位置，进行统计分析，找出字幕最可能的位置及其合理的变化区间，然后直接获取字幕等策略，最终的测试结果准确率在90%左右，即词错误率（wer）在10%以下，系统目前已经上线，目前已申请专利。

基于生成式模型的交谈脸图像生成系统(2019年6月至今)
项目的主要目的是提高高分辨率交谈脸图像的生成速度和生成的交谈脸图像的质量；目前的交谈脸生成系统主要是生成低分辨率图像，因为低分辨率图像生成速度快（一般能够达到实时）且图像本身所含的细节信息少，所以效果尚可，但是在生成高分辨率图像时，不仅会出现生成速度慢的问题，而且由于GAN训练过程中模式崩溃等问题，使得模型训练也更加困难，因此在项目开发过程中，通过使用GAN与超分辨率网络相结合的方法，用GAN生成低分辨率网络，然后用超分辨率网络提高分辨率，在保证最终得到的图像质量与直接用GAN生成高分辨率图像质量相近的情况下，将生成速度提高了2.5倍。

基于ROS平台的家庭服务机器人(2016年8月-2017年8月)
项目主要实现智能机器人的运动控制与导航、人脸识别与物体识别和语音识别三大功能，我主要负责人脸识别与物体识别,通过使用开源框架以及根据国际最新论文对识别的准确率进行改进,在保证实现功能的同时,保证了较高的准确率。

基于深度学习的小目标检测系统(2017年6月-2017年12月)
项目主要研究如何基于深度学习方法构建一个小目标检测系统，用于光学、红外和遥感图像中的小物体检测，并用docker进行部署，在深入了解和研究了基于深度学习的目标检测方法(如R-CNN、fast-R-Cnn等）之后，根据数据集的具体情况，实现faster-rcnn方法，并进行一定的调整，使训练得到的模型精度达到了项目要求。

基于深度学习的图像匹配研究(2018年3月-2018年6月)
项目主要研究如何利用现有的深度神经网络和图像匹配方法提高图像块的匹配精度和效率;主要使用CNN,spp-net、Siamese、伪-siamese等网络与图像的像素值二进制处理相结合的方法,在一定程度上提高图像块的匹配精度和效率，完成了本科学位论文。

基于单目深度估计与场景3维还原(2018年9月-2018年12月)
项目主要研究如何提高单目深度估计得到的深度图像的准确性,以及利用此深度图像进行场景3维还原,主要使通过读前言论文，将监督学习的方法和无监督学习的方法结合起来，提出新的方法，项目已经进行了5个月，目前仍在继续，已经申请了一项专利：通过还远Google的DispNet网络,同时修改网络结构,在训练时加入一些正则化方法,使得单目深度估计操作得到的深度图在准确度不变的情况下,提升了网络的训练效率。

其他
Github：https://github.com/BITQinYong