China
Displaying present location in the site.
计算视觉
NLC机器学习研究团队致力于计算视觉相关前沿及应用研究。
主要研究成果包括：
- 不确定性概率推理技术，与各种深度学习模型结合，开发出高可靠性的人工智能系统
- 针对少数据、弱标签等问题场景下的自动机器学习技术（Data Refiner），提供高质量的AI模型训练数据，加速系统快速落地
- 与国内多家知名三甲医院深入开展医疗诊断AI方面的临床合作，开发出消化内镜质控系统 Endowise®，取得医疗器械资质（京械注准20232210470)，应用于临床实践
目前研究重点：
- 开发高精度视频分析技术，用于复杂公共空间中的人和物体检测和跟踪，实现人类活动的实时数字化和可视化
- 开发生成式AI技术用于合成图像并模拟虚拟环境，以增强视频分析系统的准确性、稳健性和有效性
视频分析应用场景
人&物追踪
行人重识别
人&物关联分析
图像识别应用场景
属性分析
姿势和动作识别
人车计数
论文发表
- 【ISBI 2021】UNCERTAINTY-GUIDED ROBUST TRAINING FOR MEDICAL IMAGE SEGMENTATION （用于医疗图像分割的不确定性鲁棒训练）
- 【IJCNN 2021 (Accepted)】Model Performance Inspection of Deep Neural Networks by Decomposing Bayesian Uncertainty Estimates （基于分解贝叶斯不确定性估计的深度神经网络模型性能诊断）
- 【IJCNN 2021 (Accepted)】Layerwise Approximate Inference for Bayesian Uncertainty Estimates on Deep Neural Networks （深度神经网络贝叶斯不确定性估计的分层近似推理）
- 【MICCAI 2020】An Effective Data Refinement Approach for Upper Gastrointestinal Anatomy Recognition（一种应用于上消化道解剖识别的数据精炼方法）
- 【ICIP 2020】Loss Rescaling by Uncertainty Inference for Single-stage Object Detection（用于单阶段目标检测器的不确定性推导重缩放损失函数）
- 【IJCNN 2020】A Layer-wise Adversarial Training Approach to Improve Adversarial Robustness（层次对抗训练以有效提升对抗鲁棒性）