庄连生，男，现为中国科学技术大学副教授，2001年与2006年于中国科学技术大学获学士学位与博士学位。自2006年起，任职于中国科学技术大学信息科学技术学院。2011年3月至2011年11月，被提名参加微软亚洲研究院的“STARTRACKER”项目，主要从事目标识别与稀疏表示方面的工作。2012年2月至2013年2月，任加州伯克利大学访问学者。 主要讲授课程：算法导论、嵌入式系统设计、信息安全法基础。 教育背景 1997.9 - 2001.7 中国科学技术大学，管理科学与工程，学士学位 1998.9 - 2000.7 中国科学技术大学，计算机应用，双学士学位 2001.9 - 2006.7 中国科学技术大学，电子科学与技术，工学博士 任职经历 2011.3-2011.11 微软亚洲研究院，访问研究员 2012.2-2013.2 加州大学伯克利分校，访问学者 2016.2-2017.2 加州大学伯克利分校，访问学者 获得荣誉、奖项 HHME 2014 最佳论文奖，2014 张宗植青年教师奖，2017 ChinaMM2018最佳审稿人奖，2018

计算机视觉，机器学习，信息安全

Dynamic Cascaded Regression Network with Reinforcement Learning for Robust Face Alignment, ICME, 2019 Learning Motion-Aware Policies for Robust Visual Tracking, ICME, 2019 A Feature-Adaptive Semi-Supervised Framework for Co-saliency Detection, ACM Multimedia, 2018. CCNet: Cluster-Coordinated Net for Learning Multi-agent Communication Protocols with Reinforcement Learning, ACML, 2018 Label Information Guided Graph Construction for Semi-Supervised Learning, IEEE Trans. on Image Processing, Vol.26, No.9, 2017: 4182-4192; Constructing a Non-Negative Low-Rank and Sparse Graph with Data-Adaptive Features”，IEEE Trans. on Image Processing, Vol.24, No.11, 2015: 3717-3727; Sparse Illumination Learning and Transfer for Single-Sample Face Recognition with Image Corruption and Misalignment, International Journal of Computer Vision (IJCV), Vol.114, 2015:272-287. Neither Global Nor Local: Regularized Patch-Based Representation for Single Sample Per Person Face Recognition, International Journal of Computer Vision (IJCV), Vol.111, 2015:365-383; Single-Sample Face Recognition with Image Corruption and Misalignment via Sparse Illumination Transfer, CVPR, 2013. Non-negative low rank and sparse graph for semi-supervised learning, CVPR, 2012.