更新日期：2018年9月29日

余晋刚，博士，副教授，现任职于华南理工大学自动化科学与工程学院。

2005年本科毕业于西安交通大学，并分别于2007年和2014年在华中科技大学取得硕士和博士学位。2014年至2016年在美国内布拉斯加大学林肯分校从事博士后研究工作。2016年10月通过海外人才引进加入华南理工大学任副教授。攻读博士学位之前，曾于2007年至2010年在中兴通讯、广东北电等业界知名企业担任产品研发工程师。 研究领域为图像分析、计算机视觉与模式识别。近年来，在包括IEEE T-MM、IEEE T-CYB、IEEE T-CSVT、PR、CVIU等本领域国际权威或知名学术期刊发表SCI论文20余篇。目前主持国家自然科学基金项目、广州市科技计划项目、华南理工大学人才引进项目等5项，作为核心研究人员参与美国国家科学基金、国家重点研发计划、国家自然科学基金重点项目等多项。担任IEEE T-CYB、IEEE T-NNLS、IEEE T-AC、PR等近20种国际学术期刊的同行评审人。曾获得2012年度首届博士研究生国家奖学金等荣誉奖励。

2016.10 - 至今       华南理工大学自动化学院    副教授
2014.2 - 2016.5     University of Nebraska-Lincoln, USA   Postdoctoral Research Associate
2010.1 - 2010.8     OriginLab公司广州研发中心    图像算法高级工程师
2008.7 - 2009.12   广州北电研发中心    软件工程师
2007.7 - 2008.6     中兴通讯公司深圳总部    软件工程师

2010.9 - 2014.6    华中科技大学自动化学院    博士（控制科学与工程）
2005.9 - 2007.6    华中科技大学图像识别与人工智能研究所    硕士（模式识别与智能系统）
2001.9 - 2005.6    西安交通大学电信学院    学士（信息工程）

担任IEEE T-CYB、IEEE T-NNLS、IEEE T-AC、PR等近20种国际学术期刊的同行评审人。

1. 图像与计算机视觉基础研究：图像语义/实例分割（semantic/instance segmentation）、图像目标检测（object detection）、视觉显著性分析（visual saliency）等；2. 图像与计算机视觉应用研究：高通量植物表型测量中的图像分析（image analysis for plant phenotyping）、医学影像辅助诊断等。

1. 国家自然科学基金项目，基于感知增强理论的视觉显著性计算，2018-2020，主持
2. 广州市科技计划项目，面向高通量植物表型成像测量的多模态植物图像结构化分析，2019-2020，主持
3. 华南理工大学中央高校基本科研业务费项目，多模态植物图像分析与理解方法及其应用，2018-2019，主持
4. 华南理工大学人才引进科研经费，2017-2019，主持
5. 中国航空工业集团xxx研究所横向合作项目，基于深度学习的典型xxx目标检测与识别，2019，主持

近期代表性论著：

Manuscripts in Peer Review:
[M-1] Jin-Gang Yu, Yansheng Li, Changxin Gao, Zhu Liang Yu and Yuanqing Li, “Exemplar-Based Recursive Instance Segmentation With Application to Plant Image Analysis”, IEEE Transactions on Image Processing, under review, 2018.
[M-2] Jia-Rong Ou, Jin-Gang Yu*, Lichao Xiao, Zhifeng Liu, Zhu Liang Yu and Yuanqing Li, “Tangent Chord Distance Fitting of Ellipses”, Pattern Recognition, under review, 2018.
[M-3] Jin-Gang Yu, Quankai Gao, Jia-Rong Ou, et al., “Progressively Decomposing Graph Matching”, IEEE Transactions on Cybernetics, under review, 2018.

Publications:
[1] Jia-Rong Ou, Jin-Gang Yu*, Changxin Gao, Lichao Xiao and Zhifeng Liu, “Robust and Efficient Ellipse Detection Using Tangent Chord Distance”, Asian Conference on Computer Vision (ACCV), Perth, Australia, 2018.
[2] Jin-Gang Yu, Gui-Song Xia, Changxin Gao and Ashok Samal, “A Computational Model for Object-Based Visual Saliency: Spreading Attention Along Gestalt Cues,” IEEE Transactions on Multimedia (T-MM), vol.18, no.2, pp.273 - 286, 2016. 
[3] Jin-Gang Yu, Gui-Song Xia, Ashok Samal and Jinwen Tian, “Correspondence of Multiple Feature Sets Using Proximal Gauss-Seidel Relaxation,” Pattern Recognition (PR), vol.51, pp.255 - 267, 2016. 
[4] Jun Chen, Yong Wang, Linbo Luob, Jin-Gang Yu* and Jiayi Ma, “Image Retrieval based on Image-to-Class Similarity,” Pattern Recognition Letters (PRL), vol.83, no.3, pp.379 - 387, 2016.
[5] Jin-Gang Yu, Changxin Gao and Jinwen Tian, “Collaborative Multi-cue Fusion Using Cross-Diffusion Process for Salient Object Detection,” Journal of the Optical Society of America A (JOSA-A), vol.33, no.3, pp.404-415, 2016.
[6] Jin-Gang Yu, Gui-Song Xia, Jianjin Deng and Jinwen Tian, “Small Object Detection in Forward-Looking Infrared Images with Sea Clutter Using Context-driven Bayesian Saliency Model,” Infrared Physics and Technology (IPT), vol.73, pp.175-183, 2015.
[7] Jin-Gang Yu, Ji Zhao, Jinwen Tian and Yihua Tan, “Maximal Entropy Random Walk for Region-based Visual Saliency,” IEEE Transactions on Cybernetics (T-CYB), vol.44, no.9, pp.1661 - 1672, 2014. 
[8] Jin-Gang Yu and Jinwen Tian, “Saliency Detection using Midlevel Visual Cues,” Optics Letters (OL), vol.37, no.23, pp.4994-4996, 2012.
[9] Changxin Gao, Feifei Chen, Jin-Gang Yu, Rui Huang and Nong Sang, “Robust Visual Tracking Using Exemplar-based Detectors,” IEEE Transactions on Circuits and Systems for Video Technology (T-CSVT), vol.27, no.2, pp.300 - 312, 2017. 
[10] Yansheng Li, Yihua Tan, Jin-Gang Yu, Shengxiang Qi and Jinwen Tian, “Kernel Regression in Mixed Feature Spaces for Spatio-temporal Saliency Detection,” Computer Vision and Image Understanding (CVIU), vol.135, pp.126 - 140, 2015.

主讲《信号分析与处理》（2017秋）、《大数据分析及应用》（2017秋）等本科生课程。