姓　　名：徐冰瑢  

性　　别：女  

邮　　箱：bingrongxu@whut.edu.cn  

职　　称：副教授/硕士生导师  

研究方向：无人系统自动驾驶、智能信号处理 

主讲课程：自动控制原理、人工智能与机器学习、图像处理 

教师简介 

　　徐冰瑢，博士，副教授，硕士生导师，湖北省高层次青年人才，中国自动化学会青年工作委员会、具身智能专业委员会委员，IEEE Member。2015年本科毕业于武汉理工大学，2021年博士毕业于华中科技大学人工智能与自动化学院，2019年07月-2021年01月于美国普渡大学进行访学交流，2021年10月-2022年03月与美国史蒂文斯理工老师进行合作研究。2022年06月副高入职武汉理工大学自动化学院。 

　　近年来，在国内外权威期刊上发表学术论文60余篇，主持国家自然科学基金、湖北省自然科学基金、JG纵向，企业横向研发项目多项，参与国家自然科学基金、重点研发项目多项。参与Journal of Electronic Imaging、 Swam and Evolutionary、Applied Mathematical Modelling、Software Engineering、Circuits, Systems & Signal Processing等期刊，NeuroIPS、ICML等会议审稿。国家自然科学基金信息学部通讯评审专家。指导学生参加国创、学科竞赛等科研活动，发表中文核心/EI论文多篇、并获得相关大赛（中国机器人及人工智能大赛&中国大学生计算机设计大赛&“西门子杯”中国智能制造挑战赛官网&挑战杯等）全国奖（含国特、国一）及省级奖（含省特）多项。 

目前主要研究方向为：  

1.自动驾驶领域（无人车、机、艇），重点研究复杂环境感知与建图、多传感器融合、非结构化地形可行性分析、动态路径规划、自主决策与鲁棒控制，以提升自动驾驶系统在特定场景作业的适应性和稳定性。 

2.图像与时序信号处理研究，包括深度学习与Transformer模型应用、实时目标检测与跟踪、自适应信号去噪与增强、异常检测与预测分析等。重点探索图像与时序信号的联合表示学习、跨模态信息补全，以及在自动驾驶、智能监控、医疗诊断等领域的应用。 

招生信息 

欢迎数学/英语基础好、具有一定编程实践能力（C/C++/Python/MATLAB等）、自动化、电子信息、计算机、数学等相关专业同学联系和报考。优秀学生可推荐去海外高校交流访学或继续深造。 

（每年接收2-3名本科生，招收3名研究生） 

科研项目（部分） 

[1] 先进越野系统技术全国重点实验室开放基金，基于数据-机理联合驱动的无人越野车决策机制与方法研究，主研 

[2] 国家自然科学基金青年项目，基于深度迁移学习的海洋环境下无人艇弱小目标检测方法研究，主持 

[3] 湖北省自然科学基金面上项目，基于原型学习的跨场景目标跟踪方法研究，主持 

[4] 武汉市数字经济应用场景“揭榜挂帅”项目，国产人工智能大模型服务平台及示范应用，主持课题 

[5] 企业委托，基于GAN网络的数据增强研究，主持 

[6] 国家重点研发计划项目，基于地图的车-路-云协同感知，主研 

[7] 国家自然科学基金联合基金项目集成项目，无人 “机-艇” 水空协同关键技术及其在海面巡逻中的应用示范，主研 

[8] 国家自然科学基金重点项目，基于忆阻的类人情感生成与演化及其在情感机器人中的应用，主研　　   

代表性论文（部分） 

环境感知： 

[1] L Lu, Z Fu, D Chu, W Wang, B Xu*, CLIP-SENet: CLIP-based semantic enhancement network for vehicle Re-identification, IEEE Transactions on Intelligent Transportation Systems 27 (1), 1267-1278, 2025. 

[2] J Yan, B Xu*, J Yin, C Lian, Prototypical Self-Training with Progress-Aware Update for Source-Free Domain Adaptation in Semantic Segmentation, IEEE International Conference on Acoustics, Speech, and Signal Processing, 2026. (CCF-B) 

[3] B Wen, J Zhang, Y Shen, B Xu, Information balance network for multiscale object detection in remote sensing imagery, Journal of Electronic Imaging 33 (6), 063054-063054, 2024. 

[4] Z Cao, J Luo, B Xu*, STD-DETR: A Multi-scale Feature Fusion Network Based on RT-DETR for Small Object Detection, International Conference on Intelligent Computing, 63-72, 2025. (CCF-C) 

[5] X Zhang, B Xu, L Lu, High-quality 3D Object Detection Based on Instance-aware Sampling, Journal of Physics: Conference Series 2674 (1), 012025, 2023. 

迁移学习： 

[1] B Xu, Z Zeng, C Lian, Z Ding, Generative mixup networks for zero-shot learning, IEEE Transactions on Neural Networks and Learning Systems, IEEE transactions on neural networks and learning systems 36 (3), 4054-4065, 2025. 

[2] B Xu, J Yin, C Lian, Y Su, Z Zeng, Low-rank optimal transport for robust domain adaptation, IEEE/CAA Journal of Automatica Sinica 11 (7), 1667-1680, 2024. 

[3] L Luo, B Xu*, Q Zhang, C Lian, J Luo, A Fourier Transform Framework for Domain Adaptation, Chinese Conference on Pattern Recognition and Computer Vision (PRCV), 19-33, 2024. (CCF-C) 

[5] B Xu, Z Zeng, C Lian, Z Ding, Few-shot domain adaptation via mixup optimal transport, IEEE Transactions on Image Processing 31, 2518-2528, 2022. 

[5] B Xu, Z Zeng, C Lian, Z Ding, Semi-supervised low-rank semantics grouping for zero-shot learning, IEEE Transactions on Image Processing 30, 2207-2219, 2021. 

时序信号： 

[1] Y Wei, C Lian, B Xu, P Zhao, H Yang, Z Zeng, Bimodal Masked Autoencoders with internal representation connections for electrocardiogram classification, Pattern Recognition 161, 111311, 2025. 

[2] Q Zhang, S Zhou, B Xu*, X Li, TCAMS-Trans: Efficient temporal-channel attention multi-scale transformer for net load forecasting, Computers and Electrical Engineering 118, 109415, 2024. 

[3] P Zhao, C Lian, B Xu, Y Su, Z Zeng, Driving Cognitive Alertness Detecting Using Evoked Multimodal Physiological Signals Based on Uncertain Self-Supervised Learning, IEEE Transactions on Neural Systems and Rehabilitation Engineering 32, 2165 – 2176, 2024. 

[4] Q Zhang, S Zhou, B Xu*, Z Shen, W Chang, PSGformer: A novel multivariate net load forecasting model for the smart grid, Journal of Computational Science 78, 102288, 2024. 

[5] P Zhao, C Lian, B Xu, Z Zeng, Multiscale Global Prompt Transformer for EEG-Based Driver Fatigue Recognition, IEEE Transactions on Automation Science and Engineering 22 2700 – 2711, 2024.