2018年进入北航长聘系列，长期从事复杂背景下快速小目标检测与识别研究，目前尤其关注控制理论和深度学习的结合。证明了混合高斯波函数的不确定性上界，发表在顶刊IJCV(领域第一11.54)；提出局部模式构建的一系列的原创模型。获得两项视觉顶会ECCV20目标检测比赛第一名，一项权威会议ICPR20比赛的第一名。入选教育部新世纪优秀人才计划、深圳市孔雀团队海外人才计划，获中国电子学会奖2项（1项第一），陕西省自然科学奖一等1项（排名第二）。
成果1：提出多高斯不确定性理论。国际上首次证明混合高斯波函数的不确定性上界，是经典理论的一般性扩展。相关论文一作发表于视觉领域顶刊IJCV，2016年大陆学者一作正刊仅有6篇。
成果2：独立提出调制卷积神经网络，在深度模型压缩方面理论与工程实现处于领先位置；在1-bit深度模型压缩方面在大型数据集合上取得世界上最好的性能，并进行推广。
成果3：发现了梯度下降算法的多变量独立假设存在理论缺陷，由于变量上约束不同(稀疏性)，导致了不同变量收敛速度的不一致性，即存在相关性。提出了协同梯度下降算法(CoGradient Descent，CVPR2020)，引入投影映射法协同不同变量间的收敛速度，实现更加充分的训练。
