周小伟

Faculty

头像

周小伟

职称： 讲师 学院： 计算机科学与技术学院 电子邮箱： zhouxiaowei@ouc.edu.cn 办公室： 西海岸校区信息南楼A504
  • 基本信息
  • 项目
  • 获奖
  • 论文
  • 课程
  • 教材或专著
  • 专利
  • Research Fields
  • Achievement
  • Social Appointments
  • Teaching Experience
  • Honor Title
  • Additional Information
  • 基本信息
    姓名： 周小伟 出生年月： 最高学位：博士 入职海大时间： 2023.08
    主要研究方向：可信人工智能；图像处理；图神经网络 专业技术职务： 导师类别：
    年均课时数： 是否第一学科：是
    国内外重要学术组织任职：中国计算机学会会员；国际期刊和会议审稿人：ICLR2025， AAAI2020-2022, ACML2020-2023, ICDM2019, ICPR 2018, ICDAR2017,2023, ECAI2020, ICANN2022-2023, IEEE TNNLS, IEEE TETCI, IEEE TBD, IEEE TAI, JAIR, MLJ, IJCV, NN
    获得人才称号名称及获得年份：
    其他情况简介： 周小伟，现任中国海洋大学计算机科学与技术学院讲师，主要研究方向为可信人工智能、图神经网络和图像处理等。此前曾在澳大利亚麦考瑞大学网络安全中心担任博士后研究员，研究领域包括可信人工智能和恶意软件分析。2022年至2023年，他在澳大利亚悉尼大学商学院与悉尼大学政府与国际关系学院担任科研助理，负责推特短文数据分析。2023年，周小伟在悉尼科技大学澳大利亚人工智能研究院获得博士学位，导师为IEEE Fellow Ivor Tsang教授和Jie Jessie Yin副教授。2017年至2018年，他在北京担任深度学习算法工程师，与DenseNet作者黄高共同研发换脸系统和人脸表情迁移系统。2017年和2014年分别于中国海洋大学获得硕士和学士学位，师从董军宇教授。周小伟已在多个国际权威期刊和会议上发表论文十余篇，包括IEEE期刊会议、CCF收录期刊会议论文等，并担任多个CCF-A类期刊和中科院一区顶级期刊及国际顶级会议的审稿人，包括IJCV、AAAI、ICLR和IEEE TNNLS等。此外，他还担任国际智能数据分析和可持续系统会议（IDASS 2024）本地主席，是中国人工智能学会会员、中国计算机学会会员、CCF人工智能与模式识别专委会委员、CCF大数据专委会委员以及中国图象图形学会会员。主持或参与国家博士后项目、国家自然科学基金、服务山东重点建设项目等5个项目，入选国家资助博士后研究人员计划。2023年入职计算机学院，回到董军宇教授团队。欢迎对可信人工智能（人工智能模型的可解释性、对抗攻防、隐私保护、公平性）、图像处理、图神经网络、恶意软件检测等感兴趣的联系。
    工作经历：
    澳大利亚麦考瑞大学网络安全中心，博士后研究员， 2022 年 12 月 – 2023年8月
    澳大利亚悉尼大学，研究助理， 2022 年 03 月 – 2022 年 12 月
    北京小白世纪网络科技有限公司，深度学习算法工程师， 2017 年 10 月 – 2018 年 01 月
  • 项目
  • 获奖
    • 1. 2018， 澳大利亚 CSIRO’s Data61 博士全额奖学金， ，
    • 2. 2017 & 2014， 山东省优秀毕业生， ，
    • 3. 2015， 第五届“华为杯”中国大学生智能设计竞赛三等奖， ，
    • 4. 2014， 山东省高等学校优秀学生， ，
    • 5. 2012， 全国大学生数学建模大赛山东赛区一等奖， ，
    • 6. 2012， 蓝桥杯”全国软件专业人才设计与创业大赛山东赛区三等奖， ，
  • 论文
    • 1. UTSGAN: Unseen Transition Suss GAN for Transition-Aware Image-to-image Translation， IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)， Under revision， ，
    • 2. LADDER: Latent boundary-guided adversarial training”， Machine Learning ， 2022， CCF B， 第一作者
    • 3. Graph Potential Field Neural Network for Massive Agent Graph Path Planning， IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)， Under review， ，
    • 4. Edge but not Least: Cross-View Graph Pooling， European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases ECMLPKDD2022， 2022， CCF B， 第一作者
    • 5. Human-Understandable Decision Making for Visual Recognition， 25th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD-2021)， 2021， CCF C， 第一作者
    • 6. Detecting adversarial examples by additional evidence from noise domain， IET Image Processing， 2021， CCF C， 第四作者
  • 课程
    • 1. Application of AI for Cyber Security， ， ， 英文
  • 教材或专著
  • 专利
  • 成果转化与社会服务
  • Research Fields
  • Achievement
  • Social Appointments
    • 1. 2018， 澳大利亚 CSIRO’s Data61 博士全额奖学金， ，
    • 2. 2017 & 2014， 山东省优秀毕业生， ，
    • 3. 2015， 第五届“华为杯”中国大学生智能设计竞赛三等奖， ，
    • 4. 2014， 山东省高等学校优秀学生， ，
    • 5. 2012， 全国大学生数学建模大赛山东赛区一等奖， ，
    • 6. 2012， 蓝桥杯”全国软件专业人才设计与创业大赛山东赛区三等奖， ，
  • Teaching Experience
    • 1. UTSGAN: Unseen Transition Suss GAN for Transition-Aware Image-to-image Translation， IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)， Under revision， ，
    • 2. LADDER: Latent boundary-guided adversarial training”， Machine Learning ， 2022， CCF B， 第一作者
    • 3. Graph Potential Field Neural Network for Massive Agent Graph Path Planning， IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)， Under review， ，
    • 4. Edge but not Least: Cross-View Graph Pooling， European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases ECMLPKDD2022， 2022， CCF B， 第一作者
    • 5. Human-Understandable Decision Making for Visual Recognition， 25th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD-2021)， 2021， CCF C， 第一作者
    • 6. Detecting adversarial examples by additional evidence from noise domain， IET Image Processing， 2021， CCF C， 第四作者
  • Honor Title
    • 1. Application of AI for Cyber Security， ， ， 英文
  • Additional Information