赵丹培，博士，副教授，博士生导师，北京航空航天大学宇航学院航天信息工程系书记。2006年毕业于中国科学院长春光学精密机械与物理研究所，获光学工程博士学位。2006年至2008年在北京航空航天大学宇航学院图像处理中心从事博士后研究工作，2008年被评为“优秀博士后”、“蓝天新秀”，出站后留校任教。2014年至2015年在美国罗格斯新泽西州立大学计算机学院做访问学者。 从教15年，先后主讲了本科核心必修课“目标探测与识别”、“数字图像处理”，核心通识课“人工智能与现代战争”，科研课堂等，主讲研究生“遥感图像智能解译”和“遥感图像智能解译实验”等课程，年均授课177学时以上，曾获得北航青年教师教学基本功大赛三等奖。编写本科教材1部、航空航天应用案例库1部，合作编写研究生教材2部。积极推进教学改革，获批北京市教改项目1项，校级重点项目1项，其他教改项目5项，发表教改论文5篇。指导博士生2人，硕士生17人，已毕业14人，其中4人获得校级、院级优秀学位论文，2人获得国家奖学金，2人获得新生奖学金，1人获得工程硕士实习实践优秀成果奖；指导本科毕设20余人，其中 6人获得校级、院级优秀本科毕设论文，1人获京津冀本科毕设大赛一等奖。指导“冯如杯”获得二等奖3项、三等奖2项，指导其他各种科技竞赛奖项20余项。指导大三学生先后获得“中科星图杯”国际高分遥感图像解译大赛第2名/220和第6名/137的好成绩，指导大三学生发表Q1区SCI论文1篇，遥感领域顶会论文1篇，申请专利5项，学生培养硕果累累，培养的硕士毕业生也已经成长为航天领域国家重大项目的骨干力量。先后获北航教学成果二等奖、三等奖、“凡舟”奖教金等，获得北航“优秀班主任”、“北航学院优秀导师”等称号。 学术上积极探索，在国内外学术期刊和会议上已发表学术论文50余篇，其中SCI检索20余篇，授权发明专利18项；担任北京图象图形学学会青年委员会委员，中国图象图形学学会遥感图像专业委员会委员，IEEE和SPIE会员；担任IEEE TIP、TGRS、GRSL、JSTARS、Neurocomputing、Pattern Recognition letters等十余种SCI期刊审稿人。 赵丹培老师及其团队自2008年开始围绕复杂背景下典型目标探测与识别的关键技术开展应用及应用基础研究，其中涉及遥感图像智能解译与识别，天基空间目标的检测、跟踪与识别，红外目标的检测与识别以及高速嵌入式实时图像处理系统的开发与应用等，取得了一系列研究成果，先后获得国家自然科学基金面上项目、“十一五”、“十二五”总装预研项目、国家863项目、国家973子项目、空军预研、国家重点研发计划、航空基金、航天科学技术基金、航天支撑基金等多项项目支持。同时，也与航天五院遥感部、军科院、航天一院12所、航天东方红卫星有限公司、航天513所等科研院所和企业开展了多项关于遥感目标自动解译与识别、天基空间目标监视与预警等方向的横向课题研究。 教育经历 1996.9 -- 2000.6 长春理工大学 信息与通信工程 大学本科 学士学位 2000.9 -- 2003.3 长春理工大学 信息与通信工程 硕士研究生毕业 工学硕士学位 2003.3 -- 2006.3 中国科学院长春光学精密机械与物理研究所 光学工程 博士研究生毕业 工学博士学位 工作经历 2006.4 -- 2008.4 北京航空航天大学 宇航学院 博士后 2008.4 -- 2015.6 北京航空航天大学 宇航学院 航天信息工程系 讲师 2014.5 -- 2015.5 美国新泽西州立罗格斯大学 计算机学院 访问学者 2015.6 -- 至今 北京航空航天大学 宇航学院航天信息工程系 本科教学副主任、支部书记 副教授

赵丹培老师及其团队自2008年开始围绕复杂背景下典型目标探测与识别的关键技术开展应用及应用基础研究，其中涉及天基空间目标的信息处理、遥感图像处理与内容理解，弱小红外目标的检测与识别等应用领域，具体研究方向包括： 高分辨率遥感图像自动识别与解译技术 星群协同的遥感图像全景感知技术 视觉显著性理论及其在遥感领域的应用 天基空间目标信息处理技术 高速嵌入式实时图像处理系统的开发与应用

2018.10 -- 至今 中国图象图形学会遥感图像专业委员会委员 2007.1 -- 至今 担任北京图象图形学会青年委员会委员 2015.1 -- 至今 担任多个国际知名期刊的审稿专家，为遥感和模式识别领域的期刊《IEEE Transactions on Geoscience and Remote Sensing》、《Geoscience and Remote Sensing Letters》、《Journal of Selected Topics in Applied Earth Observations and Remote Sensing》、《Remote Sensing》、《Neurocomputing》、《Pattern Recognition letters》等国际期刊审稿

Inherit with Distillation and Evolve with Contrast: Exploring Class Incremental Semantic Segmentation without Exemplar Memory. Danpei Zhao*, Bo Yuan, Zhenwei Shi. - IEEE Transactions on Pattern Analysis and Machine Intelligence, 2023. Classification Matters More: Global Instance Contrast for Fine-Grained SAR Aircraft Detection Danpei Zhao*, Ziqiang Chen, Yue Gao, Zhenwei Shi - IEEE Transactions on Geoscience and Remote Sensing, 2023 A Hierarchical Decoder Architecture for Multi-level Fine-grained Disaster Detection Chenxu Wang, Danpei Zhao*, Xinhu Qi, Zhuoran Liu, Zhenwei Shi - IEEE Transactions on Geoscience and Remote Sensing, 2023 Focal and Global Knowledge Distillation for Detectors:Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR),2022:4643-4652 Birds of A Feather Flock Together: Category-Divergence Guidance for Domain Adaptive Segmentation.[期刊]:IEEE Transactions on Image Processing (TIP),2022,2022(31)::2878-2892 UGCNet: An Unsupervised Semantic Segmentation Network Embedded With Geometry Consistency for Remote-Sensing Images:IEEE Geoscience and Remote Sensing Letters,2022,19 Synergistic attention for ship instance segmentation in SAR images.[期刊]:Remote Sensing,2021,13(21):4384 Single-shot weakly-supervised object detection guided by empirical saliency model.[期刊]:Neurocomputing,2021,455:431-440 Cross-domain transfer for ship instance segmentation in SAR images:2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS,2021:2206-2209 V2RNet: An Unsupervised Semantic Segmentation Algorithm for Remote Sensing Images via Cross-Domain Transfer Learning.Brussels, Belgium:2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS,2021:4676-4679 Hierarchical Attention for Ship Detection in SAR Images.[C]:2020 IEEE International Geoscience and Remote Sensing Symposium,2021 Semantic Segmentation of Remote Sensing Image Based on Regional Self-Attention Mechanism:IEEE Geoscience and Remote Sensing Letters,2021,19 Object Detection in Remote Sensing Images via Multi-Feature Pyramid Network with Receptive Field Block.[期刊]:Remote Sensig,2021,13(5):862 Selective focus saliency model driven by object class-awareness.[期刊]:IET Image Processing,2020,15(6):1332-1344 Multi-Scale Remote Sensing Targets Detection with Rotated Feature Pyramid.[会议录]:2020 IEEE International Geoscience and Remote Sensing Symposium IGARSS,2020:2463-2466 Unsupervised Saliency Model with Color Markov Chain for Oil Tank Detection.[期刊]:Remote Sensing,2019,11(9) Unsupervised Oil Tank Detection by Shape-Guide Saliency Model:IEEE Geoscience and Remote Sensing Letters,2019,16(3):477-481 Proposal based saliency model for generic target detection in remote sensing image.[C]:2017 IEEE International Conference on Real-time Computing and Robotics (RCAR),2017:309-314 Multiresolution Airport Detection via Hierarchical Reinforcement Learning Saliency Model.[期刊]:IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING,2017,10(6):2855-2866 Hierarchical reinforcement learning for saliency detection of low-resolution airports.[C]:2016 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM (IGARSS),2016:1622-1625 Sparsity-guided saliency detection for remote sensing images.[期刊]:Journal of Applied Remote Sensing,2015,9(1):095055 Saliency-constrained semantic learning for airport target recognition of aerial images.[期刊]:Journal of Applied Remote Sensing,2015,9(1):096058 Satellite recognition via sparse coding based probabilistic latent semantic analysis.[期刊]:International Journal of Humanoid Robotics,2014,11(02):1450008 Regularized least square discriminant projection and feature selection:JOURNAL OF ELECTRONIC IMAGING,2014,23(1) Robot visual tracking via incremental self-updating of appearance model:International Journal of Advanced Robotic Systems,2013,10(9):331