任仲乐，西安电子科技大学人工智能学院华山准聘副教授、硕士生导师，智能感知与图像处理教育部重点实验室、智能感知与计算国际联合研究中心成员，中国人工智能学会和体视学学会会员，陕西跨行政区划检察机关数字检察专家，秦岭·西电遥感脑大模型技术负责人。2009通过自主招生和高考进入西安电子科技大学就读，分别于2013年和2020年获得西安电子科技大学电子信息工程（雷达方向）学士学位、电路和系统博士学位（保研）。主要研究方向为垂直领域（如：遥感等）预训练大模型/智能体构建及落地应用、合成孔径雷达（SAR）影像智能理解与解译。面向遥感影像解译中机器学习与计算机视觉的各类问题，考虑数据和任务特点，利用深度学习等方法对SAR图像地物分类与目标识别、多光谱融合地物分类、多时相多类别地物变化检测等问题进行了系统深入的研究。面向垂直领域大模型应用时的落地难题，打通从数据采集、预处理、适合任务场景的模型及其他资源统筹选择规划、系统集成、国产化离线部署等实施环节，力求可行性及高性价比实现。在《IEEE Transactions on Geoscience and Remote Sensing》、《International Journal of Applied Earth Observation and Geoinformation》《IEEE Journal of Selected Topics in Applied Earth Observations》和《Remote Sensing》等期刊及IGRSS会议发表论文20余篇，申请专利30余项，授权13项。主持国自然青年基金、研究所横向项目等，作为核心成员参与国自然面上、省级军民融合专项、省重点研发计划、市重点产业链技术攻关、华为和西安昇腾智能科技有限公司合作的“雷达遥感预训练大模型”等多个课题，多次参与并指导学生参与IGARSS数据融合竞赛以及“天智杯”、“眼神杯”等各种国内遥感竞赛。担任《IEEE Transactions on Cybernetics》、《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Geoscience and Remote Sensing》、《IEEE Transactions on Multimedia Computing Communications and Applications》等期刊审稿人。
招生信息：
每年招收两名左右研究生（2026级已无名额），学术/专业型不限，保/优/考研不限，对你的要求如下：1）首先要为人正直、认真踏实，不以应付的心态对待学业和生活，此条非常重要，请做不到的你不要选择我，强扭的瓜不甜！2）数学、编程和英文基础好的我很喜欢，会优先考虑，这也是科研工作的基础，也劝暂时这三方面不足的你自看到这儿起加强，提升自我！请有意向且符合上述条件的同学将个人简历、成绩单、竞赛证书、专利、论文等材料打包发送我邮箱，我会酌情联系考察后决定。
PS: 1、大模型组内有数名博士和硕士，经验传承，氛围浓厚。 2、作为有点经验的过来人对想要读研的你啰嗦几句：1）越接近社会的阶段各种困难和焦虑也更加频繁，希望你摆正心态，增加抗压和化解难题的能力，现在具备，终生受益！2）研究生期间我会授你与鱼，更会授你与渔，最终希望你自己能渔，这是科研的要求，更是今后生活的要求，希望你走好由学生到社会的这最后的过渡期，真正做到learn to learn! 3）我敬佩一心扎根实验室的你，但同样担忧只扎根实验室的你。人生很长，工作并非所有，科研的技能要学，生活的技能也要有。能在高效的科研之外，过出精彩生活的你，我很期待！
当前研究热点：
AI大模型&智能体（例如：ChatGPT, Deepseek, Qwen3，豆包等）是人工智能迈向通用智能的里程碑技术，核心为大数据驱动的深度学习。深度学习作为新一代人工智能的标志性技术，依赖模型自动从数据中学习知识，在显著提升性能的同时，也面临着通用数据激增与专用数据匮乏的矛盾。AI大模型兼具“大规模”和“预训练”两种属性，面向实际任务建模前在海量通用数据上进行预先训练，能大幅提升AI的泛化性、通用性、实用性。我们不仅期望它的参数量巨大，大模型也应同时具备多种模态信息的高效理解能力、跨模态的感知能力以及跨差异化任务的迁移与执行能力等。
什么是大模型？个人理解，参数绝对数量多只是表象，核心是与传统小模型相比，参数量变所引起应用范围与精度的质变，这才是大模型最本质的“特色”。从这个角度而言，只要与通用视觉语言大模型类似，显著突破了专用领域原有限制（精度、实用范围、速度等），参数比传统该领域模型大一个量级以上，就可以认为是该领域的“大模型”。与每时每刻能捕获到和使用到的通用视觉语言信息相比，专用领域的数据量与复杂程度一般而言都是低的，因而该领域的“大模型”参数量显著少于通用视觉语言大模型是不难理解的，不应只凭绝对参数量来评判专用领域模型是否为大模型。我们也是基于这个角度去定义和实现遥感影像预训练大模型（秦岭·西电遥感脑）的。
2021年9月起，作为技术负责人围绕“遥感影像预训练大模型”开展高分辨大场景雷达和光学影像地物要素提取研究，通过构建L0（全域全要素，如全国、陕西等地物全要素基础模型）、L1（领域和行业，如农业地物要素行业模型）、L2（精准场景和特定要素，如水稻细分类精确提取场景模型）三级大模型体系，探究其在自然资源监管、国土空间规划、生态文明建设、灾害应急管理的应用，力求突破现有遥感技术研究到应用的瓶颈！打造“AI+遥感”新质生产力，推动高质量发展！努力实现把论文写在祖国的大地上，写在人民的心坎间！
秦岭·西电遥感脑”遥感影像解译预训练大模型有以下技术特点：(1) 面向复杂多样场景的层次化解译体系；(2) 面向土地利用现状的地物要素类别与高质量标注；(3) 海量数据、成像机理和地学知识联合驱动的学习机制；(4) 国产AI软硬件系统支持下的优化训练；基于以上特点，具有如下优势：覆盖场景多样、突破精度限制、实现泛化能力、降低研发成本。详细介绍见下面所列中国人工智能学会特约文章。
相关成果及报道(点击标题可打开链接)：
1、 我校人工智能领域成果入选2023年“科创中国”系列榜单：2023年7月2日，中国科协召开第二十六届年会并发布2023年“科创中国”系列榜单，由我校人工智能学院欧洲科学院院士焦李成团队的侯彪教授、任仲乐准聘副教授和李卫斌教授研发的成果“秦岭·西电遥感脑：遥感预训练大模型”成功入选“先导技术榜-电子信息领域”类项目。
2、2021年9月起，西电人工智能学院、西安昇腾智能科技有限公司和华为技术有限公司，三方聚力，依托西安未来人工智能计算中心的强大算力，在昇腾Atlas算力底座和MindSpore AI框架下，采用华为智能无损以太网络将算力节点高速互连，开展了大规模雷达遥感影像智能解译技术研究，开发的“秦岭·西电遥感脑”，入选2022首届中国算力大会“算力赋能”创新先锋系统类优秀成果，三方为构建雷达遥感数字经济研发与应用协同创新生态体系共同努力！https://www.zsdh.org.cn/innovation/708822777330880512.html
3、课题“遥感预训练大模型”开展高分辨大场景遥感影像地物要素提取研究，相关报道：
3) 【2024】陕西：加快构建支撑有力的科技创新体系（https://qidian.sxtvs.com/timing/share/content/10517849?41=，陕西电视台，2分02秒-3分29秒）
4) “人工智能与遥感技术应用”专题授课揭开陕西跨行政区划检察机关数字检察培训序幕
4、中国人工智能学会特约文章：《秦岭 · 西电遥感脑：遥感影像解译预训练大模型》
5、DeepSeek重磅接入：推动“人工智能+”行动走深向实，人工智能学院为陕西铁检注入科技新动能
四大具体研究方向：
1、层次化SAR影像解译基础模型及应用 （标记受限条件下复杂地物要素精准解译）
2、层次化光学影像解译基础模型及应用（跨域条件下地表复杂要素特征可迁移研究）
3、遥感视觉语言基础模型及应用（世界知识引导的时空复杂场景多模态细粒度精准解译）
4、垂直领域大模型&智能体应用（多模态数据驱动的模型协同智能化报告生成等）
科研亮点：
论文：
Ren Z, Du Z, Hou B, et al. Self-Supervised Learning of Contrast-Diffusion Models for Land Cover Classification in SAR Images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2025.
Cheng Zhang, Zhongle Ren*, Biao Hou*, Jianhua Meng, Weibin Li, Licheng Jiao. Interactive Concept Network Enhanced Transformer for Remote Sensing Image Captioning[J]. IEEE Transactions on Geoscience and Remote Sensing, 2025.
Jiawei Ning, Zhongle Ren*, Biao Hou*, Weibin Li, Licheng Jiao, Deep Geospatio-Semantic Guided Network with Pseudo-label Consistency for Domain Adaptive Remote Sensing Segmentation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2025.
Kai Wang, Zhongle Ren*, Biao Hou*, Weibin Li, Licheng Jiao, BSG-WSL: BackScatter-guided weakly supervised learning for water mapping in SAR images, International Journal of Applied Earth Observation and Geoinformation, Volume 136, 2025,
Kai Wang, Zhongle Ren*, Biao Hou*, Feng Sha, Zhiyang Wang, Weibin Li, Licheng Jiao. Water-Matching CAM: A Novel Class Activation Map for Weakly-Supervised Semantic Segmentation of Water in SAR Images[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024.
Zhongle Ren, Zhe Du, Yu Zhang, Feng Sha, Weibin Li, Biao Hou. Multi-Step Unsupervised Domain Adaptation in Image and Feature Space for Synthetic Aperture Radar Image Terrain Classification[J]. Remote Sensing, 2024, 16(11): 1901.
Ren Z, Du Z, Liu S, et al. Self-supervised learning guided by SAR image factors for terrain classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2024.
Ren Z, Lu Y, Hou B, et al. JPSSL: SAR Terrain Classification Based on Jigsaw Puzzles and FC-CRF[J]. Remote Sensing, 2024, 16(9): 1635.
Zhongle Ren, Biao Hou, Qian Wu, Zaidao Wen, Licheng Jiao. A Distribution and Structure Match Generative Adversarial Network for SAR Image Classification [J]. IEEE Transactions on Geoscience and Remote Sensing. 2020, 58(6): 3864-3880. (中科院二区，TOP期刊，IF: 8.6)
Biao Hou, Zhongle Ren, Wei Zhao, Qian Wu, Licheng Jiao.Object Detection in High-resolution Panchromatic Images Using Deep Models and Spatial Temple Matching [J]. IEEE Transactions on Geoscience and Remote Sensing. 2020, 58(2): 956-970. (中科院二区，TOP期刊，IF:8.6)
Zhongle Ren, Biao Hou, Zaidao Wen, Licheng Jiao. Patch-sorted deep feature learning for high resolution SAR image classification[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(9): 3113-3126. (中科院二区，IF: 5.3)
Ren Z, Lu Y, Wang H, et al. SAR Scene Classification Based on Self-supervised Jigsaw Puzzles[C]//Intelligence Science IV: 5th IFIP TC 12 International Conference, ICIS 2022, Xi'an, China, October 28–31, 2022, Proceedings. Cham: Springer International Publishing, 2022: 334-343.
Qian Wu, Biao Hou, Zaidao Wen, Zhongle Ren, Licheng Jiao. Cost-sensitive Latent Space Learning for Imbalanced PolSAR Image Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 59(6): 4802-4817. (中科院二区，TOP期刊，IF: 8.6)
Xiangpeng Guo, Biao Hou, Bo Ren, Zhongle Ren, Licheng Jiao. Network Pruning for Remote Sensing Images Classification Based on Interpretable CNNs[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 60: 1-15.(中科院二区，TOP期刊，IF: 8.6)
Wenping Ma, Na Li, Hao Zhu, Kenan Sun , Zhongle Ren et al. A Collaborative Correlation-Matching Network for Multimodality Remote Sensing Image Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-18. (中科院二区，TOP期刊，IF: 8.6)
Qian Wu, Biao Hou, Zaidao Wen, Zhongle Ren, Bo Ren, Licheng Jiao. Structure Label Matrix Completion for PolSAR Image Classification [J]. Remote Sensing, 2020, 12(3): 459. (中科院二区，IF: 4.1)
Zitong Wu, Biao Hou, Bo Ren, Zhongle Ren, Shuang Wang, Licheng Jiao. A Deep Detection Network Based on Interaction of Instance Segmentation and Object Detection for SAR Images[J]. Remote Sensing, 2021, 13(13): 2582. (中科院二区，IF: 4.1)
Xiufang Li, Qigong Sun, Lingling Li, Zhongle Ren, Fang Liu, Licheng Jiao. Pixel Dag-recurrent neural network for spectral-spatial hyperspectral image classification[C]. 2019 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2019: 2718-2721.
Yan Ju, Lingling Li, Licheng Jiao, Zhongle Ren, Biao Hou, Shuyuan Yang. Modified diversity of class probability estimation co-training for hyperspectral image classification[J]. arXiv preprint arXiv:1809.01436, 2018.
相关个人主页链接：Google Scholar、dblp、ResearchGate、IEEE、ORCID
注：IF采用2025年6月30日标准
专利：
侯彪、任仲乐、吴倩、焦李成、马晶晶、马文萍、王爽、白静。基于分布和结构匹配生成对抗网络的SAR图像地物分类方法。CN201811179820.6 （授权）
侯彪、任仲乐、焦李成、朱浩、赵暐、刘旭、孙其功、马文萍。一种基于目标空间知识和两阶段预测学习的目标检测方法。 CN201711059887.1 （授权）
林楠、任仲乐、侯彪、焦李成。高分辨SAR飞机目标轮廓提取方法、系统、存储介质及设备。 CN202110020415.5（授权）
张雨、任仲乐、侯彪、焦李成、韩祥永、张锐、苏海波、李永强。基于深度无监督多步对抗域自适应的高分辨SAR图像地物要素提取方法。CN202210664345.1（授权）
任仲乐，杜哲，汪浩然，陈亚涵，刘少博，侯彪，焦李成。基于深度自监督生成对抗的单通道高分辨SAR图像地物分类方法。CN202211380456.6（在审）
鲁一鸣，任仲乐，侯彪，任博，杨晨，焦李成。基于自监督拼图学习的SAR图像地物分类方法。CN202211374754.4（授权）
侯彪，蒋小明，焦李成，张小华，任博，任仲乐。基于Nvidia Jetson嵌入式硬件的无人机实时目标检测方法及系统. CN202210158986.X（在审）
侯彪，李智德，汤奇，任仲乐，任博，杨晨，焦李成。一种基于YOLOv5的光学遥感图像目标检测方法。CN202210909740.1（授权）
焦李成，李玲玲，王梦娇，刘芳，刘旭，任仲乐，陈璞花，郭雨薇，侯彪，杨淑媛，唐旭，张向荣，白静。一种SAR影像域自适应动态优化地物分类模型训练方法。CN202210795908.0（在审）
侯彪，周沈轩，曹震，郭政熹，任博，任仲乐，焦李成。一种利用卷积运算进行图像缩放加速的目标检测方法。CN202211064866.X（在审）
李珺，侯彪，焦李成，王爽，任博，任仲乐，马晶晶，马文萍。基于多级融合和角点偏移的图像旋转目标检测方法。CN202110403036.4（授权）
侯彪，汤奇，李智德，任仲乐，任博，杨晨，焦李成。一种基于深度学习以及图像配准算法的飞机变化检测方法。CN202210815924.1（在审）
陈亚涵，任仲乐，侯彪，王凯，罗星宇，任博，杨晨，焦李成。 基于掩码增强和自注意力机制的无监督域自适应SAR影像的水体提取方法、系统、设备及介质。CN202310977795.0（授权）
汪浩然，任仲乐，侯彪，王凯，宁家伟，任博，杨晨，焦李成。一种基于Transformer多尺度特征融合的高分辨SAR影像的农田提取方法、系统、设备及介质。202310977804.6（授权）
王凯、罗星宇、任仲乐、侯彪、李卫斌、焦李成。一种基于自适应分辨率特征学习模型的弱监督 SAR 影像语义分割方法、系统、设备及介质。CN202311441565.9（在审）
刘少博，任仲乐，杜哲，侯彪，李卫斌，焦李成. 一种面向复杂场景的单极化SAR 影像的建筑物提取方法。CN202410390028.4（在审）
任仲乐，刘少博，孟建华，侯彪，李卫斌，焦李成. 基于注意力和空洞卷积嵌入UNet3Plus 的超高分辨率SAR 建筑物提取方法、系统、设备及介质. CN202410390026.5（在审）
张诚，任仲乐,侯彪,李卫斌,焦李成。一种基于跨模态空间动态融合网络的高分辨大场景SAR和光学影像土地覆盖分类。CN202410470108.0（申请）
侯彪,丁辉,罗星宇,王凯,任仲乐,李卫斌,焦李成。一种基于全局-局部语义对齐的SAR 影像预训练大模型地物提取方法、系统、设备及介质。CN202411032809.2（申请）
任仲乐、孟建华、张诚、侯彪、李卫斌、焦李成。一种基于遥感图文对比预训练特征的模态对齐与多尺度提取遥感图像描述生成方法、系统、设备及介质。202411168466.2（申请）
任仲乐、高树林、侯彪、李卫斌、焦李成。一种基于对比自监督学习的SAR影像跨分辨率语义分割方法、系统、设备及介质。2024112008366.6（授权）
任仲乐、徐常惠、张诚、谢朝阳、侯彪、李卫斌、焦李成。一种基于增强低秩自适应的地学语言问答大模型构建方法、系统、设备及介质。202411309761.5（申请）
任仲乐、江润侬、宁家伟、刘士杰、侯彪、李卫斌、焦李成。一种基于多源预训练模型融合决策的大场景遥感影像层次化地物分割方法、系统、设备及介质。202411377659.9（授权）
任仲乐,谢朝阳,徐常惠,张诚,侯彪,李卫斌,焦李成.一种基于交互式小波变换和 Transformer 的遥感图像长字幕生成方法、系统、设备及介质。2025102255484（申请）
任仲乐,黄立为,宁家伟,侯彪,李卫斌,焦李成。一种基于多尺度动态卷积增强的高分辨率遥感影像道路自适应提取方法、系统、设备及介质。202510657546.2（申请）
任仲乐，罗星宇,王凯,侯彪,李卫斌,焦李成。基于DeepLabv3+和自适应连通区域标记的SAR影像道路提取。CN202410209644.5（申请）
宁家伟、任仲乐、侯彪、李卫斌、焦李成。一种面向高分辨率大场景遥感影像的非均衡多地物要素分类方法、系统、设备及介质。CN202410215653.5（申请）
侯彪; 王浩; 任博; 任仲乐; 杨晨; 曹震。一种异构平台大幅图像目标检测的多线程加速方法。CN202310287036.1（申请）
侯彪; 梁爽; 任博; 任仲乐; 杨晨。基于多级特征融合及混合注意力的SAR图像舰船目标检测方法。CN202310273227.2（申请）
侯彪; 姜亨; 任博; 任仲乐; 杨晨; 曹震。一种基于Zynq UltraScale+ MPSoC的DPU部署方法。CN202310275364.X（申请）
科研课题：
国家自然青年基金，62101405，基于互补自监督学习的SAR图像地物分类，2022/01-2024/12，结题，主持
基于大模型的***工具开发，某研究所，2024.11-2025.12，在研，主持
中央高校基本科研业务费，ZYTS23063，基于无监督域自适应的SAR影像地物要素提取，2023/01-2023/12，结题，主持
中央高校基本科研业务费，XJS211904，基于特征加权与锚点自适应匹配的遥感困难目标检测，2021/01-2022/12，结题，主持
***卫星遥感影像****平台关键技术，2023陕西省军民融合专项，2023.6.1—2025.6.1，在研，参与
多模态遥感视觉-语言大模型及应用， 2024CY2-GJHX-17，2024陕西省关键核心技术攻关重点项目（未来新兴产业领域），2024.11.1-2026.10.31，在研，参与
遥感数字经济研发与应用，2024QCY-KXJ-152，2023陕西省秦创原“科学家+工程师”队伍建设，2024.1.1-2026.12.31，在研，参与
遥感影像智能解译预训练大模型及系统研发，2024JH-CLYB-0047，2024西安市重点产业链技术攻关一般项目，2024.1.1-2025.12.31，在研，参与
国家自然科学基金面上项目，62171347，结合成像特性和三维深度时空神经网络的VideoSAR动目标检测与语义分割，2022-01至2025-12，在研，参与
教育部人工智能算法战略研究项目，脑启发机制的人工智能模型与算法规划研究，在研，参与
陕西省重点研发计划，无接触智慧酒店系统关键技术研究及示范，2021/01-2023/12，结题，参与
陕西省重点研发计划 ，2019ZDLGY03-05 ，下一代人工智能基础理论与关键技术 ，2019/01-2021/12，结题，参与
国家自然科学基金面上项目，61671350，基于脑启发的PolSAR图像深层协同表示学习与分类，2017/01-2020/12，结题，参与
相关链接：
人工智能学院：http://sai.xidian.edu.cn/
智能感知与图像理解教育部重点实验室：https://ipiu.xidian.edu.cn/
西安电子科技大学 | 电子信息工程 | Bachelor's Degree in Engineering
西安电子科技大学 | 电路与系统 | Doctoral Degree in Engineering
No Content
No Content
