李晶目前是天津理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院的講師。他是由陳勝勇教授和張劍華教授領(lǐng)導(dǎo)的計(jì)算機(jī)視覺(jué)研究所的成員。在2023年9月加入天津理工大學(xué)之前，他在天津大學(xué)智能與計(jì)算學(xué)部胡清華教授的指導(dǎo)下獲得了計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)博士學(xué)位。在博士期間，他還與楊柳教授和王旗龍教授合作。 他的研究興趣主要集中在機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)領(lǐng)域，特別關(guān)注針對(duì)現(xiàn)實(shí)場(chǎng)景開發(fā)的模型和算法，這些場(chǎng)景包括域適應(yīng)、開放集識(shí)別等，其中泛化能力和魯棒性至關(guān)重要。
主持在研省部級(jí)（含）以上科研項(xiàng)目1項(xiàng)，承擔(dān)橫向科研課題1項(xiàng)，入選天津理工大學(xué)青年教師學(xué)科交叉研究支持計(jì)劃重點(diǎn)項(xiàng)目1項(xiàng)。 
代表性論文 (1) 劉攀; 李晶; 趙萌; 薛萬(wàn)利; 胡清華; 陳勝勇; Domain-Division based Progressive Learning for Source-Free Domain Adaptation，IEEE Transactions on Multimedia, vol. 27, pp. 7081-7092, 2025. (中科院SCI分區(qū)表一區(qū)期刊論文, 唯一通訊作者) (2) 李晶; 楊柳; 胡清華; Enhancing Multi-Source Open-Set Domain Adaptation through Nearest Neighbor Classification with Self-Supervised Vision Transformer, IEEE Transactions on Circuits and Systems for Video Technology, vol. 34, no. 4, pp. 2648-2662, 2024. (中科院SCI分區(qū)表一區(qū)期刊論文, 唯一第一作者) (3) 李晶; 楊柳; 王旗龍; 胡清華; WDAN: A Weighted Discriminative Adversarial Network With Dual Classifiers for Fine-Grained Open-Set Domain Adaptation, IEEE Transactions on Circuits and Systems for Video Technology, vol. 33, no. 9, pp. 5133-5147, 2023. (中科院SCI分區(qū)表一區(qū)期刊論文, 唯一第一作者) (4) 李晶; 楊柳; 王旗龍; 胡清華; Coarse Helps Fine: A Multi-Granularity Discriminative Adversarial Network for Fine-Grained Open-Set Domain Adaptation, IEEE International Conference on Multimedia and Expo 2023 , Brisbane, Australia, 2023-7-10~2023-7-14. (CCF推薦國(guó)際會(huì)議論文，唯一第一作者) (5) 李晶; 楊柳; 胡清華; Self-Supervised Vision Transformer Based Nearest Neighbor Classification for Multi-Source Open-Set Domain Adaptation，Pacific Rim International Conferenceon Artificial Intelligence 2022, Shanghai，China，2022-11-10~2022-11-13. (CCF推薦國(guó)際會(huì)議論文，唯一第一作者) 代表性專利： 李晶; 劉攀; 趙萌; 陳勝勇; 基于目標(biāo)域樣本劃分的漸進(jìn)式無(wú)源域適應(yīng)方法，2024-10-10，中國(guó), 202411407892.7. 
（1）優(yōu)秀畢業(yè)研究生，2017 （2）IEEE International Conference on Computer and Communications 2016, Machine Learning Session, Best Presentation Award. |
