新闻通知

提到人工智能，你会想到什么？

科幻电影中富有人类情感的机器人？

完胜顶尖围棋高手的阿尔法狗？

抑或是随时待命的Siri、小爱同学、小度小度？

不仅仅是这些！

人工智能技术已经越来越多的出现在生产生活的各个场景，并且正在以不可思议的速度改变着这个世界。

然而，在某些极端应用场景下，人工智能技术却会出现类似“指猫为狗”的“智障”情况。这主要是因为该领域中面临的可靠性、实时性、稳定性、可追溯性、可解释性、可信任性以及伦理等“卡脖子”问题尚未得到解决。

针对极端应用场景下缺损数据的可靠性、稳定性监测问题，近期我校光电与智能研究院（iOPEN）在系统应用方面持续发力，取得了解决缺损数据可靠性监测问题的阶段性研究成果。相关成果发表在IEEE T-PAMI（ Transactions on Pattern Analysis and Machine Intelligence）上。

“数数”，我有绝招！

上面这幅图片中，究竟有多少位观众？当你伸出食指，打算放大图片开启数数模式你就out了！这个问题，人工智能帮你解决。

王琦教授聚焦人工智能领域的群体分析，将视觉人群密度估计和个体定位任务相结合，构建了大规模高密度人群场景数据集，相关成果以“NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization”为题正式发表。

该项技术利用深度神经网络强大的表观特征学习能力，学习人群场景不同密度和个体分布的差异性特征，在像素层面预测人群密度与个体位置。同时，该工作首次将10,000人以上的场景纳入了研究范畴，来应对演唱会、体育比赛等极端复杂场景下异常预警问题。目前所提出的模型，在100人以内场景人数估计的平均错误率低至1%；对于1,000人以上的极端密集场景，利用多摄像头协作，平均错误率可低至5%以内。此外，该研究统一了领域评价标准，搭建了统一的算法评估平台，并深入分析了当前人群模型在面对大规模数据和高密度人群场景的表现，推动了群体分析领域的进一步发展。该项工作的研究结果也可以为遥感监测、态势分析等其他应用场景提供重要的技术支撑。

“看准”，不是问题！

基于最优权重加权方法在人脸数据上的视觉效果

面部有遮挡，如何准确辨别人员？

带着口罩不方便摘下来，如何快速通过人脸核验？

聂飞平教授发表论文“Towards Robust Discriminative Projections Learning via Non-Greedy L2,1-Norm MinMax”，论文聚焦人工智能领域中的高维数据分析，首次提出一种基于迹比值形式的鲁棒判别分析模型，应用上体现为图像识别精确度的大幅提升。

该技术攻克了机器学习领域最大最小比值鲁棒范式优化的数学难关，提出了一套完备的鲁棒优化算法框架。这项技术在严重降质条件下可以实现对目标更加准确的识别，在公共安防、智能交通等领域有广泛的应用场景。未来，即使只被拍到半张脸，智能视频系统也能准确识别出该人是不是犯罪分子；而在人流密集场合如火车站、机场等，你也无需摘下口罩进行人脸核验。实验显示，运用该项算法，图片识别率可达99.6%。通过这一办法，可以有效提升安检程序的工作效率。

更妙的是，这项研究所针对的对象不仅仅是人脸，自然界中的任何图片都可以应用，因而对于城市监控、视频异常检测等领域都有着重要的研究价值。

“预测”，也有可能！

该研究提出多任务学习方法在多个应用上取得了最优结果

人工智能虽不是预言家，但通过对以往数据的挖掘，总结其中联系与规律，就能够实现对未来的分析预测。但，如果原始数据就存在问题，人工智能还能靠谱预测吗？

在一次项目合作中，张睿副教授发现原始数据存在基数不大，且部分数据记录不全或有误。按照以往情况，这些数据将会被人工筛选删除。能不能“废物利用”的同时，而又不影响预测的准确性呢？

基于这一问题，张睿副教授首次将复杂的多任务学习模型转化为一种简洁的数学形式，提出将流形结构（Flexible Manifold，灵活流形）挖掘引入到多任务学习中。相较于传统方法，该方法充分挖掘了数据间的拓扑关系，并利用灵活流形的特点，极大增强了模型的表示能力并保证了模型求解的高效性，防止引入流形常常导致的模型退化和低效率等问题。相关成果以“Robust Multi-Task Learning With Flexible Manifold Constraint”为题发表。

该基础性工作让以往无法使用的数据得到优化或被减少影响，在智能推荐、智慧教育、智慧城市等多个实际场景中有着广泛的应用。比如：在智能推荐方面，可以充分挖掘以往利用率不高的非同质信息，进一步发挥大数据的潜力，尤其当信息中含有干扰因素或者部分信息量不够充分时，该方法更能展现出优越的性能；在智慧教育方面，该方法能为考生提供更贴合的学校和专业报考推荐，改善了以往由于数据量不充分和信息缺失导致的预测不准确的情况；在建设智慧城市上，该方法可以辅助统筹兼顾多项智能信息，辅助决策，推动城市的全面建设……

3篇论文同时发表在IEEE T-PAMI (IEEE Transactions on Pattern Analysis and Machine Intelligence）的同一期上，所有作者单位唯一署名均为西北工业大学。T-PAMI是人工智能、模式识别、计算机视觉及机器学习领域最顶尖的期刊，也是中国计算机协会（CCF）评选出的为数不多的人工智能领域A类期刊之一。

光电与智能研究院（iOPEN）正在开启未来

西北工业大学光电与智能研究院（iOPEN）于2021年1月成立，其前身是西工大2014年6月成立的首个校级人才特区光学影像分析与学习中心（OPTIMAL）。iOPEN寓意：我来开启未来。

研究院的愿景使命是：围绕学校建设一流大学和发展一流学科的目标要求，着力打造高层次人才聚集高地，致力于国际化创新人才培养和前沿基础交叉科学研究。

研究院的科研方向主要集中在光电与智能两个方面，具体包括光电前端探测、智能信息分析及光电与智能交互。研究院重点关注了光电成像与智能处理之间的相辅相成的关系，从而打造出从前端信息获取（如光电检测、超快诊断、极端成像等），到中端信息处理（影像分析、数据监测等），再到后端应用（视觉测量、遥感侦察、精细操控等）的光电与智能领域的全链条、一体化、战略性、前沿性研究基地。

研究院先后承担一系列国家重点项目；在国际知名期刊和国际顶级会议发表高质量论文；获得国家自然科学奖等；是国际和国内人工智能和光电领域优势的科研探索和工程实现的基地和平台。

研究院在人才培养方面同样取得丰硕成果。近两年来，多名博士生荣获全国性学会的优秀博士论文奖。其中，赵斌博士获得2021年中国光学工程学会创新论文奖（原光学工程学科优秀博士学位论文奖），这也是我校博士生首次获得该奖项；胡迪博士获2020年中国人工智能学会优秀博士学位论文奖；陈穆林博士获2020年中国计算机学会优秀博士学位论文提名奖。

西北工业大学光电与智能研究院立足人类对未来的美好愿景，致力于通过人工智能技术推动社会长足发展。未来，研究院将继续坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，不断向科学技术广度和深度进军，攻克难关，取得更多高质量研究成果。

同时，欢迎推免生报考光电与智能研究院。

邮箱：zhanghan0805@mail.nwpu.edu.cn;

annydarry@mail.nwpu.edu.cn

主页：http://iopen.nwpu.edu.cn

未来人工智能研究还将为人类带来多少惊喜？我们拭目以待...