陆昊，副教授，武汉英才，楚天学子，硕士生导师，中国地质大学（武汉）本科（2013），18luck新利电竞 博士（2018），澳大利亚阿德莱德大学访问学生（2016-2017）与博士后（2018-2020），合作导师沈春华教授，2020年11月起任18luck新利电竞 人工智能与自动化学院副教授。目前是立体匹配与学习技术（Stereo Matching And leaRning Technologies, SMART）实验室的骨干成员（实验室负责人：曹治国教授）。

联系邮箱：hlu@hust.edu.cn （本人目前尚有多名24级硕士生招生名额，欢迎喜爱人工智能的热忱学子报考！）

个人英文主页（Personal Homepage）：https://sites.google.com/site/poppinace/

本人研究方向包括“基础模型+交叉”，均围绕计算机视觉中的稠密预测任务展开。稠密预测（dense prediction）涵盖视觉中一系列逐像素标记任务，如目标检测、语义分割、实例分割、深度估计、图像抠图、图像去噪、图像重建等。近年来，团队研究工作围绕通用组件设计与优化、特定任务中的模型与组件设计以及“AI+智慧农业”中的模型定制化三个方面展开。代表性成果包括为实现任务无关特征上采样而提出的IndexNet、SAPA、FADE、A2U、DySample等动态上采样算子；提出的IndexNet Matting深度图像抠图网络是领域中最早开源的深度抠图模型，被领域内学者广泛引用并用作对比基准（据谷歌学术统计，IndexNet Matting在深度图像抠图相关论文中引用量排名第二）；提出TasselNet系列植物计数模型，一类基于回归思想的局部计数模型，在植物表型领域受到国内外同行的广泛关注和认可。

个人偏好基础研究，追求简单有效、能在现实世界中发挥作用、且具有一般性的问题解决方案，目前主持“国家自然科学基金青年科学基金项目”一项（2022.1-2024.12，在研）、作为核心骨干参与一项“国家自然科学基金面上项目”（2019.1-2022.12，已结题）与一项科技部重点研发计划子课题（2022.10-2025.9，在研）。

陆昊博士目前已在计算机视觉与模式识别领域和农业/植物交叉学科领域发表或录用论文80余篇（完整论文列表详见个人谷歌学术主页），截止23年12月，谷歌学术引用量为2600+。在视觉和机器学习领域的顶级期刊、顶级会议及主流IEEE Trans.上发表TPAMI/IJCV/TIP/NeurIPS/CVPR/ICCV/ECCV/ACMMM/AAAI等CCF A类论文30余篇，其中第一作者或通讯作者论文20篇余篇，3篇一作论文入选ESI高被引论文；曾获欧洲农业工程协会颁发的杰出论文奖；参加ICCVW 2021举办的全球麦穗检测挑战赛获得亚军；作为主要研发人员参与研发的田间作物发育期自动观测系统已在国内各省广泛应用并荣获日内瓦国际发明展铜奖。

陆昊博士目前担任中科院一区Top期刊《Plant Phenomics》（IF=6.961）的Associate Editor，作为Guest Editor参编国际期刊《Frontiers in Plant Science》（IF=6.63）的专刊“Vision, Learning, and Robotics: AI for Plants in the 2020s”，并受邀担任二十余种视觉与表型领域会议与期刊的审稿人，包括TPAMI、IJCV、CVPR、ICCV、ECCV、NeurIPS、ICLR、SIGGRAPH Asia、AAAI等。

科研之外，我喜爱羽毛球，曾多次参加省级校级赛事并获奖。

授课：

想对报考学生说的话：正常情况下，每年我有两个硕士生招生指标。本人能力有限、经费有限、资源有限，联系我时请降低期望。我暂时可能没办法帮你推荐好的工作或未来深造的学校，但我会尽我所能教你本事，帮你尽早独立，让你未来和别人竞争时有一点资本和信心。科研上，我希望学生能做出“顶天立地“的工作，所谓“顶天”，即所做工作对领域的发展真正的添砖加瓦；所谓“立地”，即所做事能面向国家需求或解决行业应用中的痛点问题。

最后，借用中科院一位老师的话：“希望你别太优秀，以免我耽误你；也希望你别太差，以免你耽误我。我不会是你最好的选择，但也不会是最差的。”

代表性论文

通用组件设计与优化

[1] Hao Lu, Yutong Dai, Chunhua Shen, and Songcen Xu, "Index Networks", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 44, no. 1, pp. 242-255, 2022.（CCF A类 ，22年影响因子：23.6，ESI高被引论文）

[2] Hao Lu, Wenze Liu, Zixuan Ye, Hongtao Fu, Yuliang Liu, Zhiguo Cao, "SAPA: Similarity-Aware Point Affiliation for Feature Upsampling", Annual Conference on Neural Information Processing Systems (NeurIPS), 2022.（CCF A类 ，机器学习顶级会议）

[3] Hao Lu, Wenze Liu, Hongtao Fu, Zhiguo Cao, "FADE: Fusing the Assets of Decoder and Encoder for Task-Agnostic Upsampling", European Conference on Computer Vision (ECCV), pp. 231-247, 2022.（CCF B类，计算机视觉顶级会议）

[4] Wenze Liu, Hao Lu*, Hongtao Fu, Zhiguo Cao, "Learning to Upsample by Learning to Sample", IEEE/CVF International Conference on Computer Vision (ICCV), pp. 3266-3275, 2019.（* 通讯作者,CCF A类，计算机视觉顶级会议）

[5] Yutong Dai⁺, Hao Lu⁺, and Chunhua Shen, "Learning Affinity-Aware Upsampling for Deep Image Matting", IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 6837-6846, 2021.（⁺ 同等贡献，CCF A类 会议，计算机视觉顶级会议）

特定任务中的模型与组件设计

[1] Haipeng Xiong⁺, Hao Lu⁺, Chengxin Liu, Liang Liu, Chunhua Shen, Zhiguo Cao, "From Open Set to Closed Set: Supervised Spatial Divide-and-Conquer for Object Counting", International Journal of Computer Vision, 2023.（⁺ 同等贡献，CCF A类 期刊，22年影响因子：19.5）

[2] Weiyue Zhao⁺, Hao Lu⁺, Zhiguo Cao, Xin Li, "A2B: Anchor-to-Barycentric Coordinate for Robust Correspondence", International Journal of Computer Vision, 2023.（⁺ 同等贡献，CCF A类，22年影响因子：19.5）

[3] Hao Lu, Liang Liu, Hu Wang, Zhiguo Cao, "Counting Crowd by Weighing Counts: A Sequential Decision-Making Perspective", IEEE Transactions on Neural Networks and Learning Systems, 2022.（CCF B类，22年影响因子：10.4）

[4] Hao Lu, Yutong Dai, Chunhua Shen, and Songcen Xu, "Indices Matter: Learning to Index for Deep Image Matting", IEEE/CVF International Conference on Computer Vision (ICCV), pp. 3266-3275, 2019.（CCF A类，计算机视觉顶级会议）

[5] Zixuan Ye, Yutong Dai, Chaoyi Hong, Zhiguo Cao, Hao Lu*, "Infusing Definiteness into Randomness: Rethinking Composition Styles for Deep Image Matting", AAAI Conference on Artificial Intelligence, 2023.（* 通讯作者，CCF A类）

“AI+智慧农业”中的模型定制化

[1] Hao Lu, Zhiguo Cao, Yang Xiao, Bohan Zhuang, Chunhua Shen, "TasselNet: counting maize tassels in the wild via local counts regression networks", Plant Methods, vol. 13, no. 79, 2017. （22年影响因子：5.1，ESI高被引论文）

[2] Haipeng Xiong, Zhiguo Cao, Hao Lu*, Simon Madec, Liang Liu, Chunhua Shen, "TasselNetV2: in-field counting of wheat spikes with context-augmented local regression networks", Plant Methods, vol. 15, no. 1, 2019. （* 通讯作者，22年影响因子：5.1）

[3] Hao Lu, Zhiguo Cao, "TasselNetV2+: A Fast Implementation for High-Throughput Plant Counting from High-Resolution Imagery", Frontiers in Plant Science, vol. 11, no. 541960, 2020.（22年影响因子：5.6）

[4] Hao Lu, Liang Liu, Ya-Nan Li, Xiao-Ming Zhao, Xi-Qing Wang, Zhi-Guo Cao, "TasselNetV3: Explainable Plant Counting With Guided Upsampling and Background Suppression", IEEE Transactions on Geoscience and Remote Sensing, vol. 60, no. 4700515, 2022.（CCF B类，22年影响因子：8.2，ESI高被引论文）