本项目研究目标是创建大范围复杂场景视觉大数据的透彻感知理论和方法,提出“个体—群体—场景”多粒度协同感知的理论框架和计算模型,突破多维度个体信息(身份、属性、行为等)、大尺度群体信息(流量、密度、事件等)、大范围场景信息(事件演变、时空搜索、跨场景关联等)的透彻感知关键技术,构建典型公共场所的“透明空间”验证系统和示范应 用。本项目总体技术路线是“数据驱动与知识引导的深度推演学习”,数据驱动的深度学习强调从大数据样本中的归纳抽象,包括基于竞争型深度学习的多维度个体识别方法,基于多尺度深度学习的群体行为识别与跨时空关联,以及基于结构化深度学习的动态场景理解方法;知识引导的推演学习强调引入高层先验知识的推理和演绎,包括采用本体描述从数据中挖掘规则,针对物体、场景元素、行为事件等概念进行描述,并且引入人机协同的学习与分析模式。多粒度自适应深度学习和多维度大数据透明感知体现了“点(个体)、线(群体)、面(场景)”有机结合的创新思路。
(排名不分先后)
姓 名 | 单 位 |
谭铁牛 | 中国科学院自动化研究所 |
郑南宁 | 西安交通大学 |
张 钹 | 清华大学 |
邓中翰 | 中星微电子集团 |
高文 | 北京大学 |
梅宏 | 北京理工大学 |
(排名不分先后)
姓 名 | 单 位 |
査红彬 | 北京大学 |
陈熙霖 | 中国科学院计算技术研究所 |
李波 | 北京航空航天大学 |
薛向阳 | 复旦大学 |
刘成林 | 中国科学院自动化研究所 |
赵耀 | 北京交通大学 |
吴飞 | 浙江大学 |
杨健 | 南京理工大学 |
陈胜勇 | 天津理工大学 |
陈朝武 | 公安部第一研究所 |
(排名不分先后)
姓 名 | 单 位 |
尹丽萍 | 中国科学院自动化研究所 |
韩伟 | 中国科学院自动化研究所 |
鲁继文 | 清华大学 |
王威 | 中国科学院自动化研究所 |
倪冰冰 | 上海交通大学 |
庞善民 | 西安交通大学 |
陈晓棠 | 中国科学院自动化研究所 |
吴燕华 | 清华大学 |
魏平 | 上海交通大学 |
(排名不分先后)
姓 名 | 单 位 |
王亮 | 中国科学院自动化研究所 |
薛建儒 | 西安交通大学 |
周杰 | 清华大学 |
杨小康 | 上海交通大学 |
黄凯奇 | 中国科学院自动化研究所 |
唐金辉 | 南京理工大学 |
英向华 | 北京大学 |
王蕴红 | 北京航空航天大学 |
郑伟诗 | 中山大学 |
孙哲南 | 天津中科智能技术研究院有限公司 |
王昌栋 | 中山大学 |
王进军 | 西安交通大学 |
林倞 | 中山大学 |
冯建江 | 清华大学 |
赵炫 | 公安部第一研究所 |
赵刚 | 佳都新太科技股份有限公司 |
董振江 | 中兴通讯股份有限公司 |
编号 | 名称 | 负责人 | 主要承担单位 |
01 | 大范围复杂场景视觉大数据的透彻感知理论与方法 | 周杰 | 清华大学 |
02 | 个体视觉大数据的透彻感知关键技术 | 王亮 | 中国科学院自动化研究所 |
03 | 群体视觉大数据的透彻感知关键技术 | 杨小康 | 上海交通大学 |
04 | 场景视觉大数据的透彻感知关键技术 | 薛建儒 | 西安交通大学 |
05 | 大范围场景透彻感知的验证系统和示范应用 | 黄凯奇 | 中国科学院自动化研究所 |
项目目标是创建大范围复杂场景视觉大数据的透彻感知理论和方法,提出“个体—群体—场景”多粒度协同感知的理论框架和计算模型,突破多维度个体信息(身份、属性、行为等)、大尺度群体信息(流量、密度、事件等)、大范围场景信息(事件演变、时空搜索、跨场景关联等)的透彻感知关键技术,构建典型公共场所的“透明空间”验证系统和示范应用。本项目总体技术路线是“数据驱动与知识引导的深度推演学习”,数据驱动的深度学习强调从大数据样本中的归纳抽象,多粒度自适应深度学习和多维度大数据透明感知体现了“点(个体)、线(群体)、面(场景)”有机结合的创新思路。