研究方向
点击次数：
1. 深度学习&机器学习
深度学习是机器学习的一个分支。它的主要特点是通过多层次的学习而得到对于原始数据的不同抽象层度的表示，进而提高分类和预测等任务的准确性。深度学习被成功地用于包括图像识别，语音识别以及预测等多个应用领域，并大幅度地提升了领域内识别精度。课题组目前研究的项目中，深度学习被成功地用于包括图像识别，语音识别和预估等在内的多个领域，并大幅度地提升了准确度。课题组目前的主要任务是开发一个灵活高效的大规模深度学习系统，通过和中兴、华为等公司合作将其应用不同的产品中。
2. 图像识别
时至今日，图像和视频已经成为人们记录生活、分享信息的重要手段，也是大数据时代最主要的非结构化数据形态。图像识别是通过计算机辨识图像内容并提取语义信息的过程，典型的任务包括物体识别、物体检测、图像分类标注等，在图像类数据的智能化分析管理中扮演着至关重要的角色。课题组已经自主研发出一套比较完整的图像识别系统，能够有效地处理特定物体的检测识别（如人脸、文字或是商品）、通用图像的分类标注、以及主观图像质量评估等问题，被广泛用于各种产品中。我们的理想是：用图像承载丰富的信息，开启属于每个用户的读图时代。
3. 计算机视觉（双目立体测量）
双目立体视觉（Binocular Stereo Vision）是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法 。课题组已经自主开发出一条双目立体测量系统，结合学校的“三海一核”特点，将其应用于海水自由表面波高测量中 。
深度学习是机器学习的一个分支。它的主要特点是通过多层次的学习而得到对于原始数据的不同抽象层度的表示，进而提高分类和预测等任务的准确性。深度学习被成功地用于包括图像识别，语音识别以及预测等多个应用领域，并大幅度地提升了领域内识别精度。课题组目前研究的项目中，深度学习被成功地用于包括图像识别，语音识别和预估等在内的多个领域，并大幅度地提升了准确度。课题组目前的主要任务是开发一个灵活高效的大规模深度学习系统，通过和中兴、华为等公司合作将其应用不同的产品中。
2. 图像识别
时至今日，图像和视频已经成为人们记录生活、分享信息的重要手段，也是大数据时代最主要的非结构化数据形态。图像识别是通过计算机辨识图像内容并提取语义信息的过程，典型的任务包括物体识别、物体检测、图像分类标注等，在图像类数据的智能化分析管理中扮演着至关重要的角色。课题组已经自主研发出一套比较完整的图像识别系统，能够有效地处理特定物体的检测识别（如人脸、文字或是商品）、通用图像的分类标注、以及主观图像质量评估等问题，被广泛用于各种产品中。我们的理想是：用图像承载丰富的信息，开启属于每个用户的读图时代。
3. 计算机视觉（双目立体测量）
双目立体视觉（Binocular Stereo Vision）是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法 。课题组已经自主开发出一条双目立体测量系统，结合学校的“三海一核”特点，将其应用于海水自由表面波高测量中 。