Privatdozent

PD Dr.-Ing. Hai Huang

Gebäude 37/200  -  Raum 0205b

Tel.:  +49 / (0)89 / 6004 - 3447

Email:  hai.huang@unibw.de

 

Anschrift:

Dr.-Ing. Hai Huang
Professur für Visual Computing
Universität der Bundeswehr München
Institut für Angewandte Informatik
D-85577  Neubiberg  (Briefe)
D-85579  Neubiberg  (Pakete)


Bild-Huang.jpg

Akademische Laufbahn

1994 - 1998

Studium (B.Sc.) Raumfahrttechnik

Beijing University of Aero- and Astronautics

Abschlussarbeit: "Inner Flow Field Simulation of a Landing Rocket"

1999 - 2000

Studium Informations- und Kommunikationstechnik

Gerhard-Mercator-Universität Gesamthochschule Duisburg

2000 - 2004

Studium (Dipl.-Ing.) Luft- und Raumfahrttechnik

Technische Universität München (TUM)

Abschlussarbeit: "Concept Study of a Two-stage Turbocharging System with High Efficiency"

2004 - 2005

Diplomarbeit & Werkstudent

MAN B&W Diesel AG, Augsburg

2006 - 2010

Wissenschaftlicher Mitarbeiter (Drittmittel)

Institut für Photogrammetrie und Kartographie (IPK), Universität der Bundeswehr München (UniBwM)

12/2010

Promotion (Dr.-Ing.)

Universität der Bundeswehr München (UniBwM)

Dissertation: "Extraction of Unfoliaged Trees from Terrestrial Image Sequences"

2010 - 2014

Wissenschaftlicher Mitarbeiter

Institut für Kartographie und Geoinformatik (IKG), Gottfried Wilhelm Leibniz Universität Hannover (LUH)

2012 - 2012

Research Scientist

Boston College

seit 2014

Wissenschaftlicher Mitarbeiter

Professur für Visual Computing, Institut für Angewandte Informatik, Universität der Bundeswehr München (UniBwM)

2018

Habilitation (PD, Dr.-Ing. habil.) "Photogrammetric Computer Vision"

Gottfried Wilhelm Leibniz Universität Hannover (LUH)

Habilitationsschrift: "Bayesian Models for Pattern Recognition in Spatial Data"

2019

Umhabilitation "Computer Vision"

Universität der Bundeswehr München (UniBwM)

seit 2019

Privatdozent

Universität der Bundeswehr München (UniBwM)

Arbeitsschwerpunkte

  • Image and signal processing

  • 3D reconstruction and modeling

  • Pattern recognition and machine learning

  • Statistical modeling