人工智能（Artificial Intelligence，简称AI）是一门研究模拟人类智能，实现机器智能的科学。自诞生以来始终是计算机科学的前沿学科，并在计算机领域内得到了愈加广泛的重视，其理论和技术日益成熟，应用领域包括医学、工业、运输、服务等在内的社会各大行业。

爱游戏体育平台紧紧把握人工智能研究方向，一大批教授及其研究团队致力于人工智能领域的研究，分别在医学影像、智能交通、航天及公共安全、硬件平台及基础算法研究和其他智能应用等领域取得了显著的研究成果。

一、医学影像领域

医学影像是疾病诊断和手术规划的重要判断依据。传统的人工方法完全依靠医生经验进行判断，而且需要耗费较多的时间。我院一批教授运用人工智能的方法，对医学影像实现智能化地自动处理和判别，其研究成果已成功应用于全国多家三甲医院。

房斌教授团队利用深度学习、水平集等人工智能前沿算法，快速、准确地对肝脏及肿瘤等组织器官进行分割，建立三维器官模型。算法分割效果接近临床医生的水平，部分结果超过临床医生；利用Faster R-CNN模型技术，快速准确地检测并识别红细胞、白细胞、结晶体、上皮组织、管型细胞、霉菌等各种类型的细胞。

何中市教授团队研制了增强病变智能检测和辅助诊断软件系统，基于CT图像、核磁共振图像对肺结节、肺栓塞病变进行检测，对核磁共振图像进行超分辨率重建，提高计算机辅助医学诊断的水平。刘然博士团队采用Faster R-CNN实现了IVOCT易损斑块的自动检测，检测质量达到了85.36%，接近医学专家的水平。

在胶囊内镜及内窥镜辅助诊断手段研究方面，汪成亮教授团队采用医疗图像大数据处理技术、结合深度学习中多种模型，研发出基于医疗图像的智能诊断手段，其准确率已超过人类医学专家。周尚波教授团队基于消化道胶囊内镜影像进行智能分析，能够对消化道出血和肿瘤进行自动检测。

 

 

肝脏自动分割及三维重建

 

三维-核磁共振图像的跨层面方向自相似性

 

基于医疗图像的智能诊断

 

 消化道出血检测（上）及肿瘤检测（下）

二、智能交通领域

面对当今世界全球化、信息化发展趋势，传统的交通技术和手段已不适应经济社会发展的要求，而智能交通已成为当今世界交通运输发展的热点和前沿，更是未来交通系统的发展方向。我院众多教授、团队致力于智能交通系统研究，众多研究成果已广泛应用于社会各行业领域。

房斌教授团队采用显著纹理信息提取、不变透视模式提取等图像处理与人工智能算法，对道路的车道线、消失点等关键信息进行精确检测，对交通标志进行准确地检测、识别及测距，可以帮助智能车辆模拟人类视觉系统，准确获取道路信息，提供控制决策及预警信息。算法结果达到国内先进水平，部分算法应用于“中国智能车未来挑战赛”的比赛车辆中，并取得优异成绩。

郭平教授团队研究的交通信号灯配时算法，通过移位左转又称为连续流交叉口（CFI Continuous Flow Intersection）交通信号控制方法，将左转车道转移设置，重组道路断面，减少信号相位，从而提升整个路口通行效率。

冯永教授团队利用车辆监控图片，开展车辆检测与计数系统研究。文静副教授团队采用基于深度学习的自然场景文字检测和识别的前沿算法，完成对火车车牌号的图像检测、识别和定位。该算法识别准确率可达90%以上，目前已经成功应用到成都铁路公司等多个车站的定点机车号的检测上。

刘凯博士团队基于车联网关键技术，在多智能体系统的移动互联研究方向开展包括基于神经网络及深度神经网络的智能体设计、基于强化学习及迁移学习的智能体交互与协作、以及面向复杂环境的智能处理算法研究等。

机车车牌识别结果展示

 

道路视觉环境感知

 

车辆检测与计数系统

    三、服务航天及公共安全领域

当前，国家及各地方政府高度重视公共安全问题，对新科技、新技术广泛应用于健全公共安全体系、提升公共安全保障能力给予大力支持。我院多位教授及其团队的研究成果已服务于国家航天及公共安全维护中。

周尚波教授团队通过移动载体视频跟踪的导引头设计进行无人机动态目标跟踪，并取得交通车辆检测与识别专利。此外，在航天遥感图像大数据的物体分割、识别与检测领域，采用人工智能理论、利用Tensorflow、ArcGIS API 、Python等工具及ENVI Services Engine引擎，构建遥感影像目标识别和地理信息智能平台，包括影像处理模块、资源管理模块、拆迁管理模块和违建管理等功能。

郭平教授团队以定性空间推理为主，研究空间关系表示和空间关系推理，提出了空间组合推理模式与推理算法。该算法将空间对象间的拓扑关系与方位关系有效地连接起来，推导出更合理更准确的空间对象间的关系，并与GIS相结合提供以空间对象几何特征为基础的高效GIS查询服务。

房斌团队在无人机输电线路智能检测领域，利用深度学习，建立输电线路多目标检测框架，快速、有效地在大规模图像集的复杂场景中实现多目标检测，有效减轻人工劳动强度，实现智能化输电线路巡检。

 

河流分割及用地分割

   

输电线路目标检测

 

空间推理及其应用

 

群体智能与群体协议的自律分散

四、硬件平台和基础算法领域

计算系统硬件平台和算法学习是人工智能的基石，它们为人工智能的各类应用提供了硬件和软件支撑。

刘铎博士团队研究基于CPU/GPU的异构计算系统，开展面向深度学习的系统优化研究，包括面向嵌入式系统的卷积神经网络的压缩与优化和面向异构系统对深度学习算法和应用进行改造和优化，从而进一步提高其运行效能。

郭平教授在知识获取、表示与集成方面取得较好成果，主要研究从神经网络中获取知识并以显示的形式表示，以及知识库中知识的一致性、规范性检测方法。

李佳教授在群体智能方向研究基于强化机器学习的智能集群算法，并关注被称作群体协议的自律分散系统，研究领导选择算法、群分割算法以及系统的通用计算能力该算法，这些理论成果对研究机器人集群控制，大规模灾害状况下的人群避难诱导等有重要理论支撑。

汪成亮教授团队在深度学习基础理论及技术方面，其深度学习模型中强大的神经元级别安全设计的主要内容于2018年被英国知名科技媒体“The Register”报道。该研究首次提出了如何在深度学习的神经网络模型中插入强大的神经网络木马来对目前日益被广泛应用的深度学习系统形成重大威胁，从而为越来越智能化的系统敲响了安全防御的警钟。

 

高性能人工智能计算环境

五、其他智能应用领域

在教育、文化、媒体娱乐等其他人工智能应用领域，我院多位教授也取得了新的研究成果。

何中市教授团队在“计算机辅助文学艺术创作研究-诗词曲联”上，通过构建诗词对联结构韵律分析、风格评价、计算机辅助作品生成软件系统，开设了中国古典诗词计算机辅助写作课程，用计算机帮助青年学生写作古典诗词，让诗词大踏步进入校园；在文化古迹数字化保护研究上，其团队建立了一套结合深度学习与数字图像修复技术的“大足石刻虚拟修复模型与技术”，为世界文化遗产保护提供了一种人工智能新途径。

 

 

大足石刻虚拟修复模型与技术

房斌教授团队利用卷积神经网络（CNN）算法，有效的提取出人脸中的颜色、纹理、边缘特征，进而检测、精准定位出复杂背景中大小不一的人脸位置。该算法已广泛应用于驾驶员驾驶行为监督系统、身份认证、媒体娱乐等方面。

 

基于深度学习的人脸检测