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。