跳到主要内容
ACADEMIC PROFILE

研究与成果

Research, publications and selected projects in remote sensing and computer vision.

Research Agenda

研究方向

聚焦遥感影像中的可靠视觉感知,连接方法研究与真实场景需求。

01

遥感目标检测

Remote Sensing Object Detection

面向遥感影像中方向任意、尺度变化显著与密集分布的目标,研究旋转感知表征与精确定位方法。

Oriented DetectionShip DetectionFeature Alignment
02

少样本遥感分割

Few-shot Remote Sensing Segmentation

关注标注稀缺场景下的知识迁移、先验增强与边界建模,提升模型对新类别和新区域的泛化能力。

Few-shot LearningSemantic SegmentationMining Areas
03

视觉基础模型

Vision Foundation Models

探索 SAM 等视觉基础模型在遥感场景中的高效适配、可靠记忆与结构语义协同。

SAMModel AdaptationReliable Learning
Publications

已发表与已录用成果

正式发表、见刊或已获会议录用的研究成果;作者信息不完整的条目标记为待补充。

2026
Journal已发表First author

Multidirectional Rotation-Aware Network for Oriented Ship Detection From Remote Sensing Imagery

Quan Cui, Yan Zhou, Gaodian Zhou, Jianxun Li, Xiaolin Zhu, Richard Irampaye

IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 19, pp. 190–208

2026
Conference已录用 · OralOral presentation · First author

Few-Shot Segmentation of Mining Areas via Adaptive Prior Enhancement and Selective Edge Attention

Quan Cui, Longzhou Hu, Yan Zhou, Gaodian Zhou

2026 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)

年份待补充
Journal见刊第 4 作者 · 二区

Multimodal Information Fusion and Multi-Scale Edge Enhancement Method for Open-Pit Mining Land Cover Segmentation

作者列表待补充;Quan Cui(第 4 作者)

Big Earth Data

Works in Review

审稿中成果

以下工作尚未正式发表,状态可能变化,不与已发表或已录用成果混列。

Under Review
Journal二审First author · 一区 TOP

S²AM-Net: Structure-Semantic SAM-Guided Network for Few-Shot Segmentation in Mining Areas

Quan Cui et al.

ISPRS Journal of Photogrammetry and Remote Sensing

Under Review
Conference在投First author · CCF A

Learning Reliable Memory Refinement for Few-Shot Remote Sensing Segmentation via SAM2

Quan Cui et al.

AAAI Conference on Artificial Intelligence

Projects

研究与工程项目

2023.10 — 2024.04上海交通大学人工智能学院

自动驾驶多传感器数据采集平台

参与面向无人系统深度学习与强化学习的车载高清毫米波雷达数据平台建设。

  • MQTT 多线程传感器通信
  • HDF5 统一数据封装
  • aarch64–amd64 跨平台编译环境
2022.10 — 2023.08湘潭大学电工电子实验室

基于 PaddleDetection 的智能竞速车

完成道路感知、实时标志物检测、车端通信与底盘控制,面向全国大学生智能汽车竞赛开展系统研发。

  • OpenCV 车道线与路况识别
  • SSD-MobileNet 边缘部署
  • 增量式与位置式 PID 控制