2019年清华大学深圳国际研究生院校优秀硕士学位论文获奖篇数再创新高，共有52篇硕士论文荣获清华大学优秀硕士学位论文奖，其中由我院专职教师指导的论文有31篇。本系列推送将按学科领域陆续与大家分享这些获奖学生的科研成果。
张雪琛：清华大学2019年度优秀硕士学位论文获奖者
（张雪琛与导师杨文明）
人物简介
作者：张雪琛
指导教师：杨文明
培养院系：电子工程系
学科：电子与通信工程
毕业去向：前往香港科技大学攻读博士学位
学习感言
科研是一个由点及面、融会贯通的过程。在科研初期，可以先从大量文献中提炼观点，并复现其中的代表性算法。在对研究领域有了较为全面的认识之后，便可以根据所需解决的问题和现有解决方案的不足进行针对性地分析。另外，积极了解其他相关领域的发展也大有益处，尝试从不同的专业角度来看待现有问题，可以为当前课题提供更广阔的思路。
导师寄语
希望张雪琛同学在未来的科研工作中能够再接再厉，努力拼搏，取得让自己满意的成果。
个人荣誉
2019.07清华大学优秀硕士毕业生 2019.07清华大学优秀硕士学位论文
论文成果
论文中英文标题 中文：基于深度学习的单帧图像超分辨率算法研究 英文：Deep Learning Based Single-Image Super-Resolution
研究背景/选题意义/研究价值
单帧图像超分重建旨在于从单幅低分辨率图像恢复信息较丰富的高分辨率图像。因为高分辨率图像具有更多宝贵的细节信息且仅利用单张低分率图像这一做法简洁易用，因此在卫星图像、医疗图像及安防图像等场景中有广阔应用。深度学习是近年来由于硬件及数据量的提升而取得巨大成功的一类建模算法。近年来，利用深度学习技术的单帧图像超分辨率重建算法成为了当前的一个研究热点。
主要研究内容
通过改进深度卷积神经网络来达到提高表示能力的目的。提出了基于线性压缩的跨层连接卷积神经网络，比残差网络有着更高的计算存储效率且集成了密集连接型网络能够充分挖掘区分不同深度特征的特点。 受集成学习和神经网络门单元的启发，为了进一步利用不同特征和集成各阶段输出，提出了自适应逐点加权融合的神经网络模块。多层次的对比实验结果验证了本方法的合理性。 在约束神经网络的优化函数方面，提出了基于核密度估计的视觉感知损失函数。相比于目前广泛应用的基于生成对抗网络的视觉感知损失函数，具有更清晰的架构。
主要创新点
(1) 提出了基于线性压缩的跨层连接深度卷积神经网络基本单元结构。利用线性压缩的基本单元，在利用跨层连接的方式训练极深的深度神经网络结构取得较高重建精度时，极大地降低了深度神经网络的参数量和相应的运行时间；
(2) 将集成学习的思想用于神经网络结构设计中，提出了自适应性逐像素融合结构模块。不同的模型擅长处理不同的细节，在神经网络中不同深度的特征也会擅长重建不同的细节区域。受此思想启发，本文提出了可根据数据自适应调节的逐像素级融合模块，可以通过训练的方法学习到将不同模型或者同一模型不同部分获得的重建结果根据输入做逐点级的融合增强。同时，本文将此融合模块与(1)中的基于线性压缩的跨层连接深度卷积神经网络结构相结合，取得了目前领域内较高的重建效果。
(3) 深入分析了目标函数对重建效果视觉感知的影响，在此基础上提出了一种针对视觉效果的目标函数。 与常见的利用生成对抗网络隐式约束分布距离的方式不同，本文利用核密度估计的思想，尝试在随机批训练样本中显式地近似约束分布之间的距离以取得较好的视觉效果。
代表性创新成果
(1)Yang W, Zhang X, Tian Y, Wang W, Xue J,Liao Q. Deep Learning for Single Image Super-Resolution: A Brief Review. IEEETransactions on Multimedia (TMM). In press. (已被 TMM 录用. SCI 源刊. JCR-1, CCF-B类期刊) (2)Yang W, Zhang X, Tian Y, Wang W, Xue J,Liao Q. LCSCNet: Linear Compressing Based Skip-Connecting Network for ImageSuper-Resolution. IEEE Transactions on Image Processing (TIP). In press. (已被TIP录用. SCI刊源. JCR-1, CCF-A类期刊)
靳馥华：清华大学2019年度优秀硕士学位论文获奖者
人物简介
作者：靳馥华 指导教师：杨帆 培养院系：电子工程系 学科：电子与通信工程 毕业去向：目前在国企从事数字电路设计相关工作
学习感言
行胜于言，行成于思。
导师寄语
人生没有白走的路，踏实刻苦的昨日，成就了你毕业时身上闪烁的星光。此后的每个人生阶段都要坚持学习，不断成长。九层之台起于垒土，功不唐捐，玉汝于成。
个人荣誉
2019.7 清华大学优秀硕士毕业论文 2017.9 景芝科研奖学金
论文成果
论文中英文标题 中文：基于石墨烯的新型气体传感器研究 英文：Research on Novel Gas Sensor based on Graphene
研究背景/选题意义/研究价值
气体传感器主要包括真空压力传感器和气敏传感器。 真空压力传感器在薄膜沉积、空间研究等领域被广泛应用，在工业生产安全和科学研究领域扮演着重要的角色。 气敏传感器可有效监测有害气体二氧化氮的浓度，在保护环境和人类健康方面发挥着重要的作用。 目前，还未有研究提出同时具有真空压力特性和气敏特性的气体传感器，而在真空泄露等情况中，真空压力传感器和气敏传感器都是必需的。 因此，研究制备同时具有真空压力特性和气敏特性的气体传感器对气体传感器领域的发展具有重要意义。 石墨烯是一种新颖的二维材料，具有高导电性和高比表面积等优异的性能，被广泛应用于气体传感器的制备。 然而，现有的石墨烯气体传感器大多采用化学气相沉积等工艺制备石墨烯，导致传感器的制备成本较高，制备工艺复杂，不适用于大规模生产，阻碍了石墨烯气体传感器的进一步商业化。 因此，本文研究提出了制备工艺简单且同时具有真空压力特性和气敏特性的石墨烯气体传感器。
主要研究内容
主要研究了同时具有真空压力特性和气敏特性的基于石墨烯的新型气体传感器，包括基于激光直写的石墨烯气体传感器和基于氯化钠晶枝的石墨烯气体传感器。对传感器的真空响应原理和气敏响应原理进行了探究，并测试了传感器的真空响应性能和气敏性能的主要参数，发现其具有高性能、成本低、制备工艺简单且耗时少的优势。
主要创新点
（1）论文提出引入激光直写还原技术制备石墨烯气体传感器，与其它石墨烯传感器相比，器件真空压力灵敏度提升2个量级，并且器件同时具有真空压力特性和气敏特性。 （2）提出引入以NaCl晶枝为模板成膜制备石墨烯气体传感器，极大地扩大了传感器的真空响应范围和气敏响应范围。
代表性创新成果
(1)Jin F H,Pang Y, Cai W L, et al. High performance and low-cost graphene vacuum pressuresensor based on one-step laser scribing[J]. Applied Physics Letters, 2019,114(8): 081602. (2)任天令，庞于，靳馥华，杨轶.一种基于石墨烯的压阻式真空计：中国，CN207487885U。
图、文|张雪琛、靳馥华、兑晓晴
清华大学深圳国际研究生院
WeChat ID：SHENZHEN-TSINGHUA
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
