个人简介
个人简介
安徽淮南人，合肥工业大学计算机与信息学院，副教授/硕士生导师。隶属于多媒体计算实验室（Laboratory of Multimedia Computing, LMC），长期专注于多媒体信息处理与人工智能领域的研究工作，在多模态信息处理、人工智能技术及其应用方面取得了一系列重要的研究成果。研究方向主要集中在多媒体内容智能分析理解与神经网络模型优化领域，以项目负责人身份主持国家自然科学基金青年项目1项、国家重点研发计划子课题1项。深度参与多项国家级重大科研项目，包括国家自然科学基金、国家重点研发计划、科技部科技创新2030重大项目等。
在多模态信息融合、神经网络模型压缩与加速、视觉-语言模型设计、跨模态数据理解等方向上开展了一系列创新性研究工作，已在国际顶级期刊和重要学术会议上发表高水平论文20余篇，其中包括TPAMI、CVPR、AAAI等国际顶级期刊/会议。同时，申请国家发明专利30余项，并成功研发多套多模态情感分析设备。
相关成果已在军方、政府、教育、企业等多个实际场景中得到应用，充分体现了研究成果的创新性和实用性。研究方向与工业界联系紧密，注重将人工智能技术与实际需求相结合。特别是在大模型技术、深度视觉理解与生成等领域，与主流大模型技术结合，推动了人工智能技术在智能交互、智慧城市、教育等领域的广泛应用。
研究方向
聚焦人工智能核心技术与产业落地融合，紧密对接行业前沿需求，主攻情感计算、深度神经网络优化、嵌入式智能系统三大研究方向，具体如下：
1. 情感计算与多模态数据分析
面向人机交互智能感知核心需求，重点研究语言、语音、面部表情、行为动作等多模态信息融合算法，深耕多模态情感分析、微表情识别、社会心理感知等细分领域。相关创新成果有效解决复杂场景下的情感精准识别难题，既完善了情感计算理论体系，也为智能交互、心理感知系统提供核心技术支撑，已完成多项实际场景落地验证。
2. 神经网络模型压缩与结构优化
针对深度学习模型参数量大、计算复杂度高、部署成本高的行业痛点，系统研究模型剪枝、量化、知识蒸馏等轻量化技术。重点探索算法压缩策略与硬件加速技术的深度融合，攻克资源受限场景下的模型高效部署难题，为智能家居、智能安防、边缘终端等设备的智能化落地提供核心解决方案，应用前景广阔。
3. 人工智能嵌入式系统开发
聚焦算法与硬件协同优化，致力于开发高能效、轻量化、可落地的AI嵌入式智能系统。通过搭建高效算法框架、设计专用硬件加速方案，突破智能终端的性能与功耗瓶颈，推动边缘计算、智能硬件技术迭代，成果可广泛应用于智能终端、智能医疗、工业智能等领域。
科研项目
以项目负责人身份主持国家自然科学基金青年项目、国家重点研发计划子课题、安徽省自然科学基金等多项国家级、省部级项目，深度参与科技部科技创新2030重大项目、多项国家自然科学基金等国家级重大科研课题，具体主持项目如下：
安徽省人工智能场景创新项目（安徽省科技厅）：基于AI模型的中药材检测机器人，课题负责人，2025.11-2027.10
安徽省自然科学基金面上项目（安徽省科技厅）：面向低质多模态数据的大模型结构设计及轻量化技术研究，项目负责人，2025.09-2028.08
国家重点研发计划子课题（科技部）：多策略生理心理信号协同感知与关联分析研究，子课题负责人，2022.11-2025.11
GF重点实验室基金（JG委托项目）：面向XXX的XXX并行计算技术研究，项目负责人，2022.06-2024.05
安徽高校协同创新项目（安徽省教育厅）：面向普适心理感知的微反应识别研究，项目负责人，2021.08-2023.08
国家自然科学基金青年项目（基金委）：基于深度学习的帧内预测编码及其网络的加速方法研究，项目负责人，2019.01-2021.12
安徽省自然科学基金青年项目（安徽省科技厅）：基于量化、编码的深度学习网络模型压缩及其VLSI加速方法研究，项目负责人，2019.07-2021.06
学术成果
1.代表性论文
累计在国际顶级期刊及权威学术会议发表高水平论文20余篇，以第一作者在TPAMI、CVPR、Information Fusion等领域顶刊顶会发表多篇核心论文，以下为代表性成果：
[1] Fan Chunxiao, Li Jintao, Zhang Zhongqian, Li Fu, Wang Bo."Two-phase collaborative model compression training for joint pruning and quantization". Neural Networks. 2026, 197: 108506. (NEUNET, JCR一区，人工智能领域顶刊)
[2] Fan Chunxiao, Guo Dan, Wang Ziqi, Wang Meng. "Multi-Objective Convex Quantization for Efficient Model Compression". IEEE Transactions on Pattern Analysis and Machine Intelligence. 2025, 47(4):2313-2329. (TPAMI, JCR一区，模式识别领域顶刊)
[3] Fan Chunxiao, Wang Ziqi, Guo Dan, Wang Meng. "Data-Free Quantization via Pseudo-label Filtering". In 2024 IEEE Conference on Computer Vision and Pattern Recognition, 2024. (CVPR, 模式识别领域顶会)
[4] Fan Chunxiao, Lin Jie, Mao Rui, Cambria Erik. "Fusing pairwise modalities for emotion recognition in conversations". Information Fusion, 2024: 102306. (INFFUS，JCR一区，信息融合领域顶刊)
[5] Fan Chunxiao, Niu Yi, Shi Guangming, Li Fu, Qi Fei, Xie Xuemei, Jiao Dandan. "An Improved Signed Digit Representation Approach for Constant Vector Multiplication". IEEE Transactions on Circuits and Systems II, 2016, 63 (10): 999-1003. (TCAS II，JCR二区，电路系统领域顶刊)
2. 代表性授权专利
累计申请国家发明专利30余项，核心授权专利如下：
[1] 樊春晓, 林杰, 李心平. 一种基于图卷积网络的多模态情感识别方法[P]. 安徽省: CN116229225B, 2025-12-05.（授权专利）
[2] 樊春晓, 林杰, 李心平. 基于注意力机制的多模态融合与情感识别方法[P]. 安徽省: CN116992361B, 2025-11-18.（授权专利）
[3] 樊春晓, 李劲滔, 宋光明. 基于联合模型压缩的轻量化人脸表情识别框架构建方法[P]. 安徽省: CN116844201B, 2025-11-04.（授权专利）
[4] 樊春晓, 李劲滔, 王振兴. 一种基于参数迁移和光流特征提取的微表情识别方法[P]. 安徽省: CN117058735B, 2025-10-31.（授权专利）
[5] 樊春晓, 李劲滔, 王振兴. 一种基于有效注意力机制的轻量化宏表情识别方法[P]. 安徽省: CN117058734B, 2025-07-11.（授权专利）
3. 学科竞赛获奖
深耕多模态智能识别、情感计算领域技术研究，带队及个人斩获多项国际顶级赛事奖项：
• ACM Multimedia 2022 多模态情感分析挑战赛 Emotional Reactions赛道 冠军
• ICIP 2020 微表情识别挑战赛 冠军
招生信息
1. 合作与培养优势
课题组长期与国防科技大学、中国科学技术大学、西安电子科技大学等国内顶尖高校保持深度合作，建立常态化联合培养机制。可推荐优秀学生前往全国头部重点实验室交流访学，拓宽学术视野、积累高端科研资源。
研究方向高度贴合人工智能行业前沿及产业刚需，兼顾学术研究与工程落地。可根据学生个人特长、发展意愿与职业规划，针对性指导科研创新、工程实践，并推荐AI领域优质就业岗位。
2. 招生方向及名额
招收专业：智能科学与技术、计算机科学与技术、通信工程、电子信息工程等相关专业
招生类型：学术硕士、工程硕士
招生名额：每年招收3-5名，2027级硕士研究生尚有剩余名额
3. 联系方式
欢迎对人工智能、多模态计算、模型优化、嵌入式智能系统感兴趣的同学投递简历、咨询交流！
邮箱：fanchunxiao@hfut.edu.cn
QQ：875935368
教育经历
[1] 2023.9-2024.9
南洋理工大学 | 计算机科学与技术 | 访问学者
[2] 2011.9-2016.12
西安电子科技大学 | 电路与系统 | 博士学位 | 研究生(博士)毕业
[3] 2007.9-2011.6
西安电子科技大学 | 探测制导与控制技术 | 学士学位 | 本科(学士)