Since this webpage is for recruiting undergraduate research students at Guangdong University of Technology (GDUT), hence the language is in Chinese.¹

本科生进组科研要求

一、招收对象

广东工业大学计算机学院/自动化学院/信息工程学院 1 - 3 年级本科生，有志于在广东工业大学攻读硕士或博士学位，或有志于在本科/硕士阶段后攻读国内外大学博士学位的学生。

二、研究方向

我们致力于招募对计算机视觉、多模态学习以及多媒体分析领域学术研究感兴趣的学生，研究重点包括图像/视频理解、多模态信息融合及相互转换等核心技术。通过系统的学习和实践，学生将初步掌握计算机视觉理解和生成相关算法，初步具备开展相关前沿科研工作的能力。

三、学习方式

1. 阅读顶级学术论文与讨论 ：定期安排学生阅读和分析领域内顶级学术会议和期刊上的优秀论文。通过深入理解前沿研究成果，培养学生批判性思维和敏锐的学术洞察力。
2. 定期约谈及讨论想法 ：定期组织交流，学生汇报研究进展、分享遇到的问题以及探讨解决方案。这种定期交流机制能够促进师生之间、学生之间的学术互动与合作，激发创新思维的火花。
3. 参与科研项目实践与代码实现 ：鼓励学生积极投身实际科研项目或学术竞赛，将所学理论知识应用于实践场景。通过亲手实现算法和模型，不断提升动手能力和解决实际问题的能力，同时积累宝贵的项目经验。
4. 学术写作与报告指导 ：为学生提供学术论文和研究报告的撰写指导，帮助其锻炼学术表达和写作能力。争取让学生在本科第四年初或之前投出国际顶级学术会议论文或被研究组认可的国外SCI期刊，并争取被录用。

四、其他要求

(一) 专业技能

所有打算加入该本科生科研计划的学生需完成或通过自主学习掌握相关基础课程内容，包括但不限于线性代数、概率论与数理统计、数据结构与算法分析、Python 编程以及数字图像处理等。此外，学生最好对深度学习具备初步的理解和应用能力（加分项）。以下提供两门优秀线上课程作为学习参考：

• 斯坦福大学的 CS231n 课程：该课程聚焦于计算机视觉领域的深度学习，涵盖卷积神经网络、图像分类、神经网络优化等核心内容，理论与实践并重，能够为学生在计算机视觉方向的研究提供坚实基础。
• 李沐《动手学深度学习 PyTorch版》课程：该课程以实践为导向，通过丰富的案例和代码实现，深入浅出地讲解深度学习的基本概念、算法及应用，涵盖从基础的神经网络到先进的Transformer等众多主题，有助于学生快速掌握深度学习的精髓并在实际项目中灵活应用。

(二) 学习态度

科研工作需要充分的时间与精力投入。我们相信只有集中精力做好一件事才能做好。因此，我们希望加入本计划的学生能够合理安排课余时间，将至少 50% 的时间投入到科研项目中，以确保科研工作的连贯性和深入性。

(三) 学历规划

我们积极鼓励加入研究计划的学生选择在广东工业大学继续攻读硕士学位，以培养优秀人才，促进研究组的长期发展；表现优秀的同学我可以帮忙推荐到知名大学（如中国科学技术大学、中山大学、香港理工大学等）继续攻读硕士/博士学位。请在联系时明确表达你的学历规划，我们高度重视学生的诚信和长远发展。

欢迎有志于科研的同学加入我们，共同探索学术前沿！