郑锋，国自然优秀青年基金获得者，南方科技大学副教授（研究员）。于英国谢菲尔德大学获得博士学位，研究兴趣包括机器学习、计算机视觉与跨媒体计算。曾在腾讯优图实验室任高级研究员，在美国匹兹堡大学和德克萨斯大学阿灵顿分校任博后研究员，在中国科学院深圳先进技术研究院任研究助理及助理研究员。在学术研究方面，目前在国际顶级杂志和会议上包括IEEE TPAMI/TIP/TNNLS, AAAI, NeuIPS, CVPR, ICCV发表85篇学术论文, 其中，高被引论文2篇；CCF推荐A类论文45篇。同时，是IET Image Processing杂志副编辑，是ACM MM 2020/2021领域主席，在多个国际顶级人工智能会议包括CVPR, AAAI, IJCAI, NeuIPS, ICML, ICLR, KDD, ICCV担任委员会成员和是多个主流杂志包括IEEE TNNLS/TMM/TCSVT, PR, IS等的审稿人。在系统开发方面，获得了人机交互相关技术的5个授权专利。其研究的人机交互技术曾被多家主流媒体报道过，并实现了向包括华为和创维等企业的技术转化。主持相关科研项目7项，包括国家自然科学基金面上项目1项、优青1项，中科院国家空间中心外协项目1项，联想研究院合作项目1项，腾讯数平合作项目1项和GF科技创新特区项目2项。
研究领域
跨媒体智能，计算机视觉，机器学习，人机交互
工作经历
2021年11月 - 现在，南方科技大学，中国深圳，副教授
2018年11月 - 2021年10月，南方科技大学，中国深圳，助理教授
2018年08月 - 2018年10月，腾讯优图实验室，中国上海，高级研究员
2017年08月 - 2018年07月，匹兹堡大学，美国匹兹堡，博后研究员
2016年12月 - 2017年08月，德克萨斯大学阿灵顿分校，美国德克萨斯，博后研究员
2011年11月 - 2012年09月，中国科学院深圳技术研究院，中国深圳，助理研究员
2009年07月 - 2011年10月，中国科学院深圳技术研究院，中国深圳，研究助理
学术成果
在学术研究方面，目前在国际顶级杂志和会议上包括IEEE TPAMI/TIP/TNNLS, AAAI, NeuIPS, CVPR, ICCV发表85篇学术论文, 其中，高被引论文2篇；CCF推荐A类论文45篇。提出的Pyramid再识别算法收录于计算机视觉公开库OpenCV中。在系统开发方面，获得了人机交互相关技术的5个授权专利。其研究的人机交互技术曾被多家主流媒体报道过，并实现了向包括华为和创维等企业的技术转化。
学术服务
杂志副主编：
IET Image Processing, 2019.8 -
领域主席
ACM MM 2020
本地主席
ICME 2021 (CCF B)
IJCB 2021 (CCF B)
会议程序委员会：
Program Committee 2020: ICLR, AAAI, CVPR, ICML, IJCAI, KDD, UAI
Program Committee 2019: ICLR, AAAI, ICML, IJCAI, NIPS, UAI.
Program Committee 2018: AAAI, IJCAI, NIPS.
Program Committee 2017: IJCAI.
杂志审稿：
IEEE Transactions on Neural Networks and Learning Systems
IEEE Transactions on Circuits and Systems for Video Technology
IEEE Transactions on Cybernetics
IEEE Transactions on Multimedia
Pattern Recognition
IEEE Access
Neurocomputing
Information Sciences
IET Computer Vision
IET Image Processing
教学
C/C++程序设计
本课程是计算机科学与技术专业一门专业基础课程。其中C是一种面向问题的通用程序设计语言，具有语言简洁、类型丰富、结构完整、表达力强、直接操作内存单元、适用于模块化结构等特点。C语言既具有高级语言的优点，又具有低级语言的许多特点。其中C++是面对对象开发方法，从C语言扩展而来。吸收了软件工程领域有益的概念和有效方法，它把数据和对数据的操作封装起来，集抽象性、封装性、继承性与多态性于一体，可以帮助人们开发出模块化、数据抽象程度高的、信息隐蔽好的、可复用、易修改、易扩充等特性的程序。该课程包括两个部分，第一部分为C++中一般性设计原理，是C的部分；第二部分为面向对象部分。通过该课程的学习，学生可以为数据结构，算法设计与分析等课程打下坚实的基础。
CS308: 计算机视觉
本课程首先介绍计算机视觉，包括视觉技术发展历程，图像形成原理，图像处理以及特征检测和匹配。在此基础上，我们将学习面向应用的高级视觉技术，包括用于场景理解的语义分割，用于运动估计的基于视频的对象跟踪，基于图像的人体姿势估计，以及用于跨相机对象再识别的图像匹配技术。本课程的重点是在学习与理解算法与数学基础上，然后了解项目中理论与实践的区别，进而全面掌握计算机视觉技术理论与应用技巧。
