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/系副主任。隶属于多媒体计算实验室，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，深度参与了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。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。
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，其中以第一作者身份在《IEEE Transactions on Pattern Analysis and Machine Intelligence》(TPAMI)、《Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition》(CVPR)、《Association for the Advancement of Artificial Intelligence》(AAAI)、《IEEE Transactions on Circuits and Systems II》(TCAS)等国际权威期刊及会议上发表论文多篇。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。
本研究团队的主要研究方向聚焦于人工智能领域的核心技术与实际应用的结合，重点围绕情感计算、深度学习优化以及嵌入式智能系统展开系统性研究。以下是具体的研究方向：
1. 情感计算与多模态数据分析
该方向致力于研究人机交互中情感理解的核心问题，通过融合语言、语音、表情、行为等多种模态信息，开发高效的情感感知与分析算法。团队在多模态情感分析、微表情识别、社会心理感知等领域取得了一系列创新性成果，相关技术已在实际应用场景中得到了成功验证。研究不仅推动了情感计算的理论发展，也为智能交互系统提供了重要的技术支持。
2. 神经网络模型压缩与结构优化
针对深度学习模型在实际应用中面临的计算复杂度高、存储需求大等挑战，团队专注于研究高效的模型压缩与优化方法，包括量化、剪枝、知识蒸馏等技术。研究重点在于探索创新的压缩策略与硬件加速技术的结合，以实现模型的轻量化部署，为智能设备在计算资源受限环境中的高效运行提供解决方案。相关成果在智能家居、智能安防等领域展现了广泛应用前景。
3. 人工智能嵌入式系统开发
该方向致力于将深度学习算法与硬件设计相结合，开发高能效、智能化的嵌入式系统。研究团队通过设计高效的算法框架和专用硬件加速方案，解决了智能设备在资源受限环境下的性能瓶颈问题，推动了边缘计算和智能硬件的快速发展。相关研究成果在智能终端设备、智能医疗等领域具有重要的应用价值。
研究团队始终秉持产学研结合的理念，将理论创新与实际应用相结合，研究成果不仅发表在国际顶级期刊和会议上，也为相关领域的技术进步提供了重要的支撑。研究方向具有较强的前沿性和实践意义，为人工智能技术的发展和应用提供了重要参考。
主持科研项目：
1. 面向XXX的XXX并行计算技术研究，军工委托项目，GF重点实验室基金，2022-06至2024-05
2. 面向普适心理感知的微反应识别研究, 安徽省教育厅, 安徽高校协同创新项目, 2021-08至2023-08
3. 基于深度学习的帧内预测编码及其网络的加速方法研究, 国家自然科学基金委员会, 青年科学基金项目, 2019-01至2021-12
4. 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, 安徽省科技厅, 安徽省自然科学基金, 2019-07至2021-06
[1] 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)
[2] 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)
[3] 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)
[4] Fan Chunxiao, Wang Zhenxing, Li Jia, et al. "Robust facial expression recognition with global-local joint representation learning". Multimedia Systems, 2023, 29 (5): 3069-3079. (本领域著名期刊)
[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)
[6] Fan Chunxiao, Hu Zhou, Jia Lu, Min Hai. "A novel lossless compression encoding framework for SAR remote sensing images". Signal, Image and Video Processing, 2021, 15: 441-448. (本领域著名期刊)
[7] Fan Chunxiao, Li Fu, Cao Xin, Qian Biao, Song Peipei. "A parallel arithmetic for hardware realization of digital filters". Microelectronics Journal, 2019, 83: 131-136. (本领域著名期刊)
[1] 樊春晓, 祝伟隆, 林杰. 一种基于SoftmaxOne代理注意力机制的情感识别方法、设备及介质[P]. 安徽省: CN118964609A, 2024-11-15.
[2] 樊春晓, 张忠迁, 李心平. 基于GhostNet构建FaceGhostNet模型进行人脸识别的方法、设备及介质[P]. 安徽省: CN118942132A, 2024-11-12.
[3] 樊春晓, 李怀祺, 李劲滔. 硬件卷积加速核下面向pytorch框架的GAT模型的加速方法[P]. 安徽省: CN118211611A, 2024-06-18.
[4] 樊春晓, 王子奇, 郭丹, 汪萌. 一种基于自熵过滤与伪标签生成的无数据网络量化方法[P]. 安徽省: CN117975130A, 2024-05-03.
[5] 樊春晓, 李心平, 戴岚. 一种多阶矩阵快速求逆硬件结构实现方法[P]. 安徽省: CN114417249B, 2024-03-26.
[6] 樊春晓, 李心平, 戴岚. 一种面向FPGA结构的高效capon计算方法[P]. 安徽省: CN114417250B, 2024-03-08.
[7] 樊春晓, 王振兴, 林杰. 基于轻量双通道神经网络的人脸表情识别方法[P]. 安徽省: CN114049675B, 2024-02-13.
[8] 朱吉斌, 梁修亮, 樊春晓, 桂小凡. 高动态范围图像的快速显示转换方法[P]. 广东省: CN112365415B, 2024-02-09.
[9] 朱吉斌, 梁修亮, 樊春晓, 桂小凡. 高速图像的实时二值化阈值选取方法[P]. 广东省: CN112288754B, 2023-12-05.
[10] 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: CN117058734A, 2023-11-14.
[11] 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: CN117058735A, 2023-11-14.
[12] 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: CN116992361A, 2023-11-03.
[13] 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: CN116844201A, 2023-10-03.
[14] 樊春晓, 王子奇, 宋光明. 一种基于自蒸馏凸量化的神经网络模型压缩方法及装置[P]. 安徽省: CN116776952A, 2023-09-19.
[15] 樊春晓, 许胜华, 张习伟, 王方兵. 一种低分辨率条件下的人脸识别方法[P]. 安徽省: CN116563925A, 2023-08-08.
[16] 赵公方, 李新奇, 樊春晓, 沈红艳, 严金欣. 一种大米碎米检测方法和系统[P]. 安徽省: CN115511803B, 2023-06-27.
[17] 樊春晓, 李心平, 林杰. 一种基于FPGA的无乘法的快速卷积实现方法[P]. 安徽省: CN116225365A, 2023-06-06.
[18] 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: CN116229225A, 2023-06-06.
[19] 赵公方, 李新奇, 樊春晓, 沈红艳, 严金欣. 一种大米碎米检测方法和系统[P]. 安徽省: CN115511803A, 2022-12-23.
[20] 樊春晓, 李心平, 戴岚. 一种多阶矩阵快速求逆硬件结构实现方法[P]. 安徽省: CN114417249A, 2022-04-29.
[21] 樊春晓, 李心平, 戴岚. 一种面向FPGA结构的高效capon算法[P]. 安徽省: CN114417250A, 2022-04-29.
[22] 樊春晓, 王振兴, 林杰. 基于轻量双通道神经网络的人脸表情识别方法[P]. 安徽省: CN114049675A, 2022-02-15.
[23] 樊春晓, 宋光明, 胡洲, 赵公方. 一种基于预量化和缩放系数剪枝的卷积神经网络压缩方法[P]. 安徽省: CN113570055A, 2021-10-29.
[24] 樊春晓, 胡洲, 宋光明, 王振兴. 基于知识蒸馏训练的2指数幂深度神经网络量化方法[P]. 安徽省: CN111985523A, 2020-11-24.
[25] 樊春晓, 胡洲, 宋光明, 王振兴. 一种神经网络量化方法[P]. 安徽省: CN111985639A, 2020-11-24.
- 4. Research on GNN parallel acceleration for Special AI Chips, July 2022-May 202,2024/05/31
- 3. Research on Micro reaction Recognition for Universal Psychological Perception,2023/10/31
- 2. Research on Model Compression and VLSI Acceleration for Deep Learning Network,2021/06/30
- 1. Research on Deep Learning based Intra Prediction Encoding and the Acceleratio,2021/12/31
暂无内容
暂无内容
暂无内容