朱志萌

即将就读美国东北大学电气与计算机工程硕士项目。

即将于 2026 年秋季进入美国东北大学电气与计算机工程硕士项目学习。本科就读于华中科技大学自动化专业，研究经历覆盖计算机视觉、嵌入式 AI、基于大语言模型的系统、联邦学习、医学影像和生成式模型等方向。

happyrain0427@gmail.com English

教育

美国东北大学

2026-2028

华中科技大学

2022-2026

发表

Enhancing Brain Tumor Detection: A Comparative Study of CNN Architectures Using MRI Data

2025

Zhu, Zhimeng. ITM Web of Conferences, 70, 03014.
DOI: 10.1051/itmconf/20257003014

研究经历

本科毕业论文

2026.05

基于视觉-语言多模态模型的异视角协同目标识别
华中科技大学本科毕业论文，指导教师：田甜副教授

  • 设计轻量化异视角协同识别流程，将 YOLO、CLIP 和 BLIP 用于无人机多视角观测场景。
  • 构建语义包表示、跨视角语义关联和多模态融合决策方法，提升视角差异条件下的识别稳定性。
  • 实现实验验证和交互式 Demo，跨视角关联 F1 达到 0.9775，融合识别 F1 达到 0.9527；相比全图传输，语义包通信压缩约 577.9 倍。

多光谱目标检测与嵌入式部署

2024.09-至今

多谱信息处理技术全国重点实验室
指导教师：华中科技大学人工智能与自动化学院田甜副教授

  • 使用 TensorFlow 和 PyTorch 设计基于深度学习的多光谱目标检测模型，提升复杂光照和环境条件下的检测精度与鲁棒性。
  • 完成多光谱数据采集、清洗与精细标注，构建用于模型训练和验证的高质量数据集。
  • 通过数据增强、残差连接和批归一化等策略优化模型结构与训练过程，降低过拟合和梯度消失风险。
  • 在 NVIDIA Jetson Xavier NX 平台上进行模型量化、剪枝和部署，实现面向嵌入式场景的实时推理。

基于 DeepSeek 的交通工程标准智能问答系统

2024.03-2025.05

第 20 届“川石宝杯”交通科技大赛一等奖
指导教师：华中科技大学土木与水利工程学院蒋泽昊博士

  • 面向交通工程标准体系构建领域专用大语言模型，解决标准检索效率低、表述不一致和体系不完整等问题。
  • 对国家和行业标准文档进行批量 JSON 结构化、数据清洗和规范化处理。
  • 基于 DeepSeek-R1 32B 模型进行领域微调，结合专业术语库提升术语识别能力，F1 达到 0.89。
  • 设计回答控制机制，使系统能够生成简洁专业的回答，并自动引用标准条款和章节编号。
  • 构建标准知识图谱，支持冲突检测、冗余识别、智能问答和标准体系动态优化。

面向个性化金融服务的联邦学习

2024.04-2025.04

图像处理与智能控制教育部重点实验室，项目负责人
指导教师：华中科技大学人工智能与自动化学院叶林涛副教授

  • 将联邦学习应用于个性化金融服务，在保护数据隐私的同时提升推荐准确性和客户风险评估能力。
  • 复现 FedAvg 和 FedProx，基于 Federated-Learning-PyTorch 数据集搭建分布式 PyTorch 训练框架。
  • 针对跨银行客户数据、区域消费行为和时间交易模式等 Non-IID 问题进行算法调优。
  • 引入 FedProx 正则项，降低客户端异质性影响，提升不均衡金融场景下的模型稳定性和泛化能力。

基于 CNN 架构的脑肿瘤检测优化

2024.07-2024.08

线上科研项目：机器学习与数据科学应用开发
组长，指导教师：麻省理工学院物理系 Mark Vogelsberger 教授

  • 通过调整卷积层和特征提取模块提出 VGG19-BMT，用于提升 MRI 脑肿瘤检测效果。
  • 对 Kaggle Brain MRI 数据集进行归一化和旋转、亮度变化、缩放等数据增强处理。
  • 使用 ReduceLROnPlateau、Dropout 和自定义分类头缓解小规模医学数据上的过拟合。
  • 在一致实验设置下对比 VGG19-BMT、VGG16、VGG19、ResNet18 和 EfficientNet-B2。
  • 最终达到 99.51% 准确率和 0.9498 F1-score，优于所有基线模型。

基于变分自编码器的图像生成

2024.06-2024.08

模型优化与改进探索

  • 优化标准 VAE 的编码器、解码器和自定义损失函数，并实现 BetaVAE、Conditional VAE 和 InfoVAE 变体。
  • 对 20 万余张 CelebA 人脸图像进行清洗、归一化、旋转、翻转和裁剪等预处理。
  • 使用 PyTorch 实现全部模型，并基于 GPU 训练调优学习率、批大小和优化器设置。
  • 通过 SSIM 和用户研究评估模型效果，InfoVAE 表现最佳，SSIM 达到 0.338。

项目经历

跨域少样本目标识别

2025.04-2025.06

PyTorch、迁移学习、少样本学习、领域自适应

  • 在 Office-Home 数据集上实现 Prototypical Network、Improved ProtoNet 和 Matching Network，研究跨域少样本图像识别。
  • 使用目标域微调提升跨域少样本和 1-shot 分类任务的准确率。
  • 设计多源领域自适应实验，评估模型在不同领域偏移下的表现。
  • 实验显示 Improved ProtoNet 在多数场景中表现最佳，尤其适用于 1-shot 任务。

基于无人船的自主水质监测系统

2023.01-2023.04

路径规划、机器学习、统计分析、模糊数学

  • 设计融合无人船自主导航和实时数据分析的智能监测系统，服务生态保护和湖泊管理。
  • 在复杂湖泊地形和水动力条件下，使用 A* 和 Dijkstra 算法优化无人船路径规划。
  • 使用统计分析和机器学习方法预处理水质数据，并构建环境指标预测模型。
  • 结合环境科学原理和模糊数学方法，提高模型准确性、鲁棒性和监测效率。

其他信息

编程与工具
Python, C, C++, MATLAB, Java, R

AI 框架
PyTorch, TensorFlow, DeepSeek-R1, federated learning frameworks

研究方法
计算机视觉、数据预处理、模型评估、领域自适应、知识图谱

兴趣爱好
钢琴，包括 13 年训练经历和多项奖项；篮球。