基于多模态大模型的文档图像智能识别和理解，数据包括自然场景图像、手写文本图像、平板在线手写笔迹、古籍、科学文献等多种模态下的文档图像，研究方向包括但不限于文档图像识别、文档信息抽取、视觉文档问答等。相关科研成果发表在模式识别和文档识别重要期刊和会议论文中，包括CVPR、Pattern Recognition、ICFHR2022最佳论文、中国科协——科技期刊双语传播工程高质量论文。

截止2026年，本人招收并培养、毕业5名硕士研究生，均在不同方面取得优秀的成绩：刘莹入职百度，于明明获国际会议最佳论文奖、发表中科院一区期刊论文、荣获三好学生，李天佐是北京市羽毛球比赛冠军、中科院院队成员，凌禄蓉获中国科学院大学优秀学生干部、所羽毛球比赛团体冠军，张敬尧录用CVPR、获三好学生称号。

   

081104-模式识别与智能系统

文字识别，文档图像分析与识别

2015-10--中国科学院自动化研究所   副研究员
2013-07--2015-10   中国科学院自动化研究所   助理研究员
2007-09--2013-07   中国科学院大学——中科院自动化研究所   工学博士学位
2003-09--2007-07   中国科学技术大学——教改试点班   工学学士学位

   

2015-10~现在, 中国科学院自动化研究所, 副研究员
2013-07~2015-10,中国科学院自动化研究所, 助理研究员

2019-05-17-今,文档图像分析与识别专委会, 委员

   

（ 1 ） 基于语义图谱的短文本特征扩展方法, 发明专利, 2015, 第 4 作者, 专利号: CN104391942A

（ 2 ） 基于非监督关键二元词串提取的微博文本自动摘要方法, 发明专利, 2014, 第 3 作者, 专利号: CN104216875A

已指导学生

刘莹  硕士研究生  085211-计算机技术  

于明明  硕士研究生  081203-计算机应用技术  

李天佐  硕士研究生  085404-计算机技术  

凌禄蓉  硕士研究生  081104-模式识别与智能系统  

现指导学生

张敬尧  硕士研究生  085410-人工智能  

袁海杰  硕士研究生  085410-人工智能  

杨彬彬  硕士研究生  085410-人工智能