精华内容
下载资源
问答
  • 三维视觉、SLAM方向全球顶尖实验室汇总

    万次阅读 多人点赞 2019-07-03 21:53:27
    英国伦敦大学帝国理工学院 Dyson 机器人实验室 http://www.imperial.ac.uk/dyson-robotics-lab 简介: 伦敦帝国理工学院戴森机器人实验室成立于2014年,由Andrew Davison.教授领导。是戴森公司和帝国理工学院领导...

    本文作者 任旭倩,公众号:计算机视觉life,编辑成员

    欧洲

    英国伦敦大学帝国理工学院 Dyson 机器人实验室

    http://www.imperial.ac.uk/dyson-robotics-lab

    简介:

    伦敦帝国理工学院戴森机器人实验室成立于2014年,由Andrew Davison.教授领导。是戴森公司和帝国理工学院领导机器人视觉小组Andrew Davison教授的合作实验室,Andrew Davison是视觉SLAM领域的先驱,戴森提供大量的资金和支持,以建立一个机器人专家团队,他们合作产品包括Dyson 360 eye™vaccum清洁机器人。该实验室的重点是开发计算机视觉程序,使机器人能够超越受控环境,成功地导航并与现实世界互动。

    实验室主要成就(http://www.imperial.ac.uk/dyson-robotics-lab/projects/):

    ElasticFusion

    一个实时的稠密的视觉SLAM系统,可以利用RGB-D相机来对房间进行全局一致的三维稠密重建。

    代码地址:https://bitbucket.org/dysonroboticslab/elasticfusionpublic/src/master/

    1560072844162.png

    CodeSLAM

    一种生成室内场景轨迹的大规模照片级真实渲染的系统。

    1560072443727.png

    SceneNet RGB-D

    一种生成室内场景轨迹的大规模照片级真实渲染的系统。

    代码地址:https://bitbucket.org/dysonroboticslab/scenenetrgb-d/src/master/

    数据集地址:https://robotvault.bitbucket.io/scenenet-rgbd.html

    1560073201935

    SemanticFusion

    一种实时可视SLAM系统,能够使用卷积神经网络在语义上注释密集的3D场景。

    代码地址:https://bitbucket.org/dysonroboticslab/semanticfusion/src/master/

    1560073424912


    英国牛津大学Active Vision Laboratory

    http://www.robots.ox.ac.uk/ActiveVision/index.html

    简介:Active Vision实验室主攻计算视觉,特别是传统和深度图像的3D场景重建。实验室致力于定位和建图,可穿戴和辅助计算,语义视觉,增强现实,人体运动分析和导航的应用程序。

    实验室主要成果(http://www.robots.ox.ac.uk/ActiveVision/Research/index.html)

    使用3D物体形状Priors进行密集重建

    PTAM

    (并行跟踪和建图)用于增强现实的相机跟踪系统

    源码地址:https://github.com/Oxford-PTAM/PTAM-GPL

    1560089307113


    英国牛津大学 Torr Vision Group

    http://www.robots.ox.ac.uk/~tvg/

    简介:牛津大学工程科学系Torr Vision Group(前身为布鲁克斯视觉集团,牛津布鲁克斯大学)成立于2005年,后来于2013年移居牛津大学,由Philip Torr教授领导。它包括大约20-25人。该小组的目的是参与最先进的计算机视觉和人工智能数学理论研究,但要保持数学研究与社会需求相关。该小组的一个特别重点是用移动相机进行实时重建环境,例如无人机,智能眼镜或其他机器人。

    实验室主要成果(http://www.robots.ox.ac.uk/~tvg/projects.php)

    交互式实时3D场景分割的框架

    创建了一个只需使用廉价的硬件,就可以在半小时内捕获并重建整个房屋或实验室的建图系统。

    源码地址:https://github.com/torrvision/spaint/tree/collaborative

    1560162825641


    基于立体视觉的城市三维语义建模

    可以生成具有相关语义标记的高效且准确的密集三维重建地图。

    1560163026017


    苏黎世联邦理工学院的Autonomous System Lab

    http://www.asl.ethz.ch/

    简介:

    由Roland Siegwart教授领导,Autonomous System Lab于1996年在洛桑联邦理工学院成立,它是机器人和智能系统研究所(IRIS)的一部分

    实验室旨在创造能够在复杂多样的环境中自主运行的机器人和智能系统。设计机电和控制系统,使机器人可以自主适应不同的情况,并应对不确定和动态的日常环境。机器人可以在地面,空中和水中运动,同时具备在复杂环境下自主导航的功能,研究出了包括用于感知,抽象,建图和路径规划的方法和工具。他们还在tango项目上与谷歌合作,负责视觉惯导的里程计,基于视觉的定位和深度重建算法。

    实验室主要成就:(https://asl.ethz.ch/publications-and-sources/open-source-software.html)

    libpointmatcher

    libpointmatcher是一个模块化库,它实现了迭代最近点(ICP)算法,用于配准点云。

    代码地址:https://github.com/ethz-asl/libpointmatcher

    1560074706854

    libnabo

    用于低维空间的快速K最近邻库

    代码地址:https://github.com/ethz-asl/libnabo

    ethzasl_sensor_fusion

    基于EKF的时延补偿单传感器和多传感器融合框架

    代码地址:https://github.com/ethz-asl/ethzasl_sensor_fusion

    1560074518534

    ethzasl_ptam

    用于单目SLAM的框架PTAM

    代码地址:https://github.com/ethz-asl/ethzasl_ptam

    1560074913412


    苏黎世Robotics and Perception Group

    http://rpg.ifi.uzh.ch/

    简介:该实验室由Davide Scaramuzza教授领导,成立于2012年2月,是苏黎世大学信息学系和神经信息学研究所的一部分,该研究所是苏黎世大学和苏黎世联邦理工学院的联合研究所。实验室开发智能机器人,只使用车载摄像头即可自行导航,而无需依赖外部基础设施,如GPS或动作捕捉系统。 研究包括地面和微型飞行机器人,以及由这两者组合而成的多机器人异构系统。

    实验室主要成果(http://rpg.ifi.uzh.ch/software_datasets.html)

    视觉(惯性)里程计轨迹定量评估方法

    通过视觉( 惯性)里程计(VO / VIO)定量评估估计轨迹的质量

    源码地址:https://github.com/uzh-rpg/rpg_trajectory_evaluation

    1560157882807

    基于高效数据的分布式视觉SLAM

    该算法可实现使用便宜,轻便和多功能的相机进行分布式通信多机器人建图

    源码地址:https://github.com/uzh-rpg/dslam_open

    1560158542705


    慕尼黑工业大学的The Computer Vision Group

    https://vision.in.tum.de/research

    简介:主要研究算机视觉,图像处理和模式识别等一系列方向,即基于图像的3D重建,光流估计,机器人视觉,视觉SLAM等。

    实验室主要成果(https://vision.in.tum.de/research)

    dvo_slam

    提供了来自连续图像的RGB-D相机的刚体运动估计的实现方案。

    代码地址:https://github.com/tum-vision/dvo_slam

    1560077373792

    LSD-SLAM: Large-Scale Direct Monocular SLAM

    一种直接单目SLAM建图技术

    代码地址:https://github.com/tum-vision/lsd_slam

    1560077301813

    DSO: Direct Sparse Odometry

    DSO是一种用于视觉里程计的新的直接稀疏建图方法。

    代码地址:https://github.com/JakobEngel/dso

    1560077617256

    Basalt: Visual-Inertial Mapping with Non-Linear Factor Recovery:

    使用非线性因子恢复法从视觉 - 惯性里程计提取信息来进行视觉 - 惯性建图。

    代码地址:https://gitlab.com/VladyslavUsenko/basalt

    1560078172895


    德国弗莱堡大学Autonomous Intelligent Systems

    http://ais.informatik.uni-freiburg.de/index_en.php

    简介:研究主要集中在自主移动机器人,即能够在其环境中自主移动并完成不同任务,如多机器人导航和协作,环境建模和状态估计。

    实验室主要成果(http://ais.informatik.uni-freiburg.de/projects/index_en.php)

    GMapping:

    Gmapping是基于Bpf粒子滤波算法的滤波SLAM框架。

    源码地址:https://github.com/OpenSLAM-org/openslam_gmapping

    1560095295244

    RGBD SLAM2

    是一个非常全面优秀的系统,将SLAM领域的图像特征、优化、闭环检测、点云、octomap等技术融为一体,非常适合RGBD SLAM初学者,也可以在其基础上继续开发

    源码地址:https://github.com/felixendres/rgbdslam_v2

    1560160825684


    西班牙萨拉戈萨大学RoPeRT机器人,感知和实时组SLAM实验室

    http://robots.unizar.es/slamlab/

    简介:由JuanD.Tardós教授带领,研究同时定位和建图(SLAM)、Visual SLAM:单目,双目,RGB-D
    语义SLAM,SLAM与对象、非刚性SLAM等方向,主要应用在机器人,增强现实,医学等。

    实验室主要成果(http://robots.unizar.es/slamlab/?extra=1)

    大规模环境中协同传感器的主动SLAM(nSPLAM)

    该项目的目标是扩展SLAM算法在关键开放问题中的数学理解,增强实用性和适用性,包括大规模(高达数千米)/长期(数天,数周的操作)建图,主动SLAM(不确定性下的规划和探索),全局一致的传感器协作/多车辆SLAM和高级地图表示。

    [外链图片转存失败(img-tNzL7Ta0-1562161442212)(http://robots.unizar.es/wp/wp-content/uploads/projects/nsplam_project.jpg)]

    刚性和非刚性场景的语义可视化建图(SVMap)

    提出了一个基于对象的实时SLAM系统,设计单目SLAM算法利用对象刚度约束来改进地图并找到其真实尺度。

    1560155058186


    美洲

    明尼苏达大学的Multiple Autonomous Robotic Systems Laboratory(MARS)

    http://mars.cs.umn.edu/

    简介:多自主机器人系统(MARS)实验室的目标是促进机器人和计算机视觉的基础研究和教育,特别强调自主地面,航空和太空探索车辆的估算和控制。研究内容是资源意识估计和控制,包括:

    • 视觉/激光辅助惯性导航系统(VINS,RGBD-INS,LINS)
    • 手机和可穿戴计算机上的大规模3D定位和建图
    • 多机器人/传感器定位,建图和导航
    • 可重构传感器网络的主动传感
    • 最佳信息选择和融合
    • 移动操作
    • 人机协作

    实验室主要成果(http://mars.cs.umn.edu/research.php#research platforms)

    使用滚动快门相机的视觉惯性导航系统(VINS):

    提出了一种高精度VINS,它明确考虑并解释了IMU相机系统的滚动快门和时间同步问题

    1560075816973

    协作建图

    当用户的起始姿势之间的转换未知时,使用多个用户在不同时间收集的数据集来解决协作建图(CM)的问题

    1560076007717

    使用移动设备进行高精度,增量3D室内定位和建图

    使用来自商业级低成本传感器的视觉和惯性数据,为资源受限的移动设备(例如手机和平板电脑)提供增量批量最小二乘(IBLS)定位和建图算法

    1560076127759

    半稠密地图

    该项目的目标是生成区域的半稠密3D地图,正如先前的稀疏视觉 - 惯性批量最小二乘(BLS)协同建图(CM)算法的相机姿态估计所给出的效果。

    1560076317535.png


    卡内基梅隆大学Robot Perception Lab

    http://rpl.ri.cmu.edu/

    简介:机器人感知实验室进行与自主移动机器人的定位,建图和状态估计相关的研究。该实验室由Michael Kaess教授于2014年创立。该实验室是卡内基梅隆大学机器人研究所一部分在,并同时属于Field Robotics Center和Computer Vision Group。

    实验室主要研究成果(http://rpl.ri.cmu.edu/research/)

    isam

    增量平滑和建图(iSAM),这是一种基于快速增量矩阵分解的同时定位和建图问题方法,通过更新自然稀疏平滑信息矩阵的QR分解来实现。

    源码地址:https://github.com/ori-drs/isam

    1560099431509

    Articulated Robot Motion for Simultaneous Localization and Mapping (ARM-SLAM)

    当机器人的关节角度不确定时,可以同时估计机器人的关节角度,并重建场景的稠密地图。

    1560100370548


    斯坦福大学人工智能实验室自动驾驶团队

    http://driving.stanford.edu/

    简介:实验室致力于开发在不可预测的城市环境中自动驾驶的新算法和技术。在DARPA大挑战和DARPA城市挑战中取得成功以来,实验室一直在为自动驾驶中的重要问题创建和测试各种AI解决方案。利用机器学习,计算机视觉,概率传感器融合和优化等技术,研究人员正在积极寻求语义场景理解,对象分割和跟踪,传感器校准,定位,车辆控制和路径规划方面的改进。

    实验室主要成果(http://driving.stanford.edu/papers.html)

    使用概率图的城市环境中的鲁棒车辆定位

    将环境建模为概率网格来扩展以前使用GPS,IMU和LIDAR数据进行定位的工作,实现更高精度,可以随着时间变化学习和改进地图,以及对环境变化和动态障碍的稳健性。

    1560159814313


    麻省理工大学计算机科学与人工智能实验室(CSAIL)海洋机器人组

    https://marinerobotics.mit.edu/

    简介:团队由John Leonard教授带领,研究海洋机器人解决水下环境中定位和建图问题,还在基于仅使用摄像头(有时是IMU)在室内环境中以及户外无人驾驶汽车等应用中执行Visual SLAM的工作。

    实验室主要成果(https://marinerobotics.mit.edu/research)

    Kintinuous

    Kintinuous解决了KinectFusion仅能对有限尺度的区域进行稠密建图的限制,允许在数百米的范围内绘制地图。

    源码地址:https://github.com/mp3guy/Kintinuous

    1560141789194


    宾夕法尼亚大学机械工程与应用力学系Vijay Kumar实验室

    https://www.kumarrobotics.org/

    Kumar组致力于创建自动地面和空中机器人,为集体行为和机器人群体设计生物启发算法等。

    实验室主要成果(https://www.kumarrobotics.org/past-projects/)

    用于远程自主探测和测绘的空中机器人

    通过现场实验探索在地震破坏的环境中利用自主四旋翼飞行器进行地面和空中机器人的协同建图。

    1560154880594


    华盛顿大学UW Robotics and State Estimation Lab

    http://rse-lab.cs.washington.edu/

    简介:RSE-Lab成立于2001年,关注机器人和识别中的问题,开发了丰富而高效的移动机器人导航,地图构建,协作和操作中的感知和控制技术,还研究状态估计和机器学习方法,用于对象识别和跟踪,人体机器人交互和人类活动识别等领域。

    实验室主要成果(http://rse-lab.cs.washington.edu/projects/)

    Semantic Mapping

    该项目的目标是生成根据对象和位置描述环境的模型。 这些表示包含比传统地图更有用的信息,并使机器人能够以更自然的方式与人类进行交互。

    1560159613164

    Active Mapping

    通过添加机器人来改进任何几何和语义场景重建技术:机器人可以选择如何使用其传感器来获取新信息。 在主动视觉的情况下,机器人可以移动相机以观察物体的所有侧面。 使用主动视觉来完成地图创建和对象分割问题。

    1560159753992


    哥伦比亚大学计算机视觉与机器人组

    https://vision.cs.ubc.ca/

    简介:这是世界上最具影响力的视觉和机器人团体之一。这个小组创造了RoboCup和著名的的SIFT。这一组的学生赢得了大部分AAAI语义机器人挑战赛。该小组有四名在职教师:Jim Little,Alan Mackworth,Ian Mitchell和Leonid Sigal。

    实验室主要成果(https://vision.cs.ubc.ca/publications/)

    FLANN:

    FLANN是用于在高维空间中执行快速近似最近邻搜索的库。它包含一系列我们发现最适合最近邻搜索的算法,以及一个根据数据集自动选择最佳算法和最佳参数的系统。

    源码地址:https://www.cs.ubc.ca/research/flann/uploads/FLANN/flann-1.8.4-src.zip

    1560164269060

    SIFT:

    SIFT(尺度不变特征变换)将图像的每个局部片段转换为独立于图像比例和方向的坐标。局部不变特征允许我们在任意旋转,缩放,亮度和对比度的变化以及其他变换下有效地匹配杂乱图像的小部分。将图像分成许多不同大小的小重叠片段,然后单独匹配每个部分,并检查匹配的一致性。

    源码地址:https://github.com/robwhess/opensift

    1560164440725


    加拿大谢布鲁克大学IntRoLab(智能/互动/综合/跨学科机器人实验室)

    https://introlab.3it.usherbrooke.ca/mediawiki-introlab/index.php/Main_Page

    简介:IntRoLab是一个研究实验室,致力于研究,开发,集成和使用机电一体化和人工智能方法,设计自动和智能系统。研究活动涉及移动机器人,嵌入式系统和自主代理的软件和硬件设计以及现场评估,旨在克服与在现实生活中使用机器人和智能系统以改善生活质量相关的挑战,并且还研究如何使机器变得智能。应用领域包括服务机器人,全地形机器人,交互式机器人,辅助机器人,远程医疗机器人,汽车和手术机器人。

    实验室主要成果(https://introlab.3it.usherbrooke.ca/mediawiki-introlab/index.php/Projects)

    RTAB-Map

    RTAB Map是RGBD SLAM的改进,减少了图优化和闭环检测中需要用到的结点数,保证实时性以及闭环检测的准确性,能够在超大场景中运行。

    源码地址:https://github.com/introlab/rtabmap

    1560139866565


    亚洲

    香港科技大学的Aerial Robotics Group

    http://uav.ust.hk/

    简介:开发基础技术,使航空机器人(或无人机,无人机等)能够在复杂环境中自主运行。研究涵盖了整个航空机器人系统,重点关注状态估计,绘图,轨迹规划,多机器人协调以及使用低成本传感和计算组件的测试平台开发。实验室主要成果(http://uav.ust.hk/publications/)

    VINS-Mono

    一种鲁棒且通用的实时单目视觉惯性状态估计框架。

    1560079640254

    VINS-Fusion

    VINS-Fusion是一种基于优化的多传感器状态框架,可实现自主应用(无人机,汽车和AR / VR)的精确自定位。VINS-Fusion是VINS-Mono的扩展,支持多种视觉惯性传感器类型(单声道摄像机+ IMU,立体摄像机+ IMU,甚至仅限立体声摄像机)。

    代码地址:https://github.com/HKUST-Aerial-Robotics/VINS-Fusion

    1560078702786.png


    浙江大学CAD&CG国家重点实验室的CVG(Computer Vision Group)

    http://www.zjucvg.net/

    简介:CVG的主要研究兴趣集中在运动结构,SLAM,3D重建,增强现实,视频分割和编辑。

    实验室主要成果(http://www.zjucvg.net/publication.html#)

    RKSLAM

    用于AR的基于关键帧的鲁棒单目SLAM系统

    1560079817696

    LS-ACTS:

    大型自动相机跟踪系统,可以处理大型视频/序列数据集

    源码地址:https://github.com/zju3dv/ENFT https://github.com/zju3dv/SegmentBA https://github.com/zju3dv/ENFT-SfM

    1560080119497

    ACTS:自动相机跟踪系统

    可以从视频和电影序列中恢复摄像机运动和3D场景结构,提供自动跟踪的便利性。它可以高效稳定地跟踪各种摄像机运动,可以旋转或自由移动。它是许多其他计算机视觉任务的基础。

    1560080413875

    RDSLAM

    是一个实时同步定位和建图系统,它允许场景的一部分是动态的或整个场景逐渐变化。与PTAM相比,RDSLAM不仅可以在动态环境中稳健地工作,而且还可以处理更大规模的场景(重建的3D点的数量可以是数万个)。

    1560080685371


    清华大学自动化系宽带网络与数字媒体实验室BBNC

    http://media.au.tsinghua.edu.cn/index/index/index

    简介:实验室始建于2001年4月,瞄准计算摄像、脑科学与人工智能国际前沿,围绕国家重大需求,开展基础理论 与关键技术的研究。实验室现有教授3人,副教授4人,助理副教授2人,工程师3人,博士后5人,在读研究生3 0余人。实验室在国家重大仪器专项与重点项目等自然科学基金、“973”计划、“863”计划、以及省部级产学研等项 目支持下,在流媒体、立体视频、飞行器可视导航、计算摄像学、脑科学观测等方面的基础理论与关键技术上取 得突破,发表期刊与会议论文200余篇(SCI收录115篇),本领域著名国际会议ICCP、SIGGRAPH、CVPR、ICCV 等27篇以及本领域IEEE TSP、TPAMI、TCSVT、TIP、IEEE TNNLS、IEEE TVCG、IJCV、Scientific Repo rts、OSA OL等国际权威期刊上发表论文86篇(3篇IEEE亮点文章);获授权国内外发明专利145项。2006年 建立广东省教育部产学研结合立体视频研发基地、2013获建北京市多维多尺度计算摄像重点实验室;2008年获 得国家科学技术发明二等奖,2012年获得国家科学技术发明一等奖,2016年获得国家科技进步奖二等奖。研究方向有人工智能、生物智能、计算成像。

    实验室主要成果(http://media.au.tsinghua.edu.cn/index/resear/projects

    人脸三维动态重建:

    当今大规模的面部动作仍远未生动地表达人类的面部表情,为了克服这些缺点,该项目专注于重建面部细节运动,实现了采用RGBD相机的实时3D眼神图表现重建等功能。

    1560418882883

    人体动作捕捉

    数十年来,人体运动捕捉一直是计算机视觉和计算机图形学中具有挑战性的研究课题。系统长期追求快速,低成本,易于设置和有前途的推广系统。该项目支持手持设备的动态捕捉,无标记动态捕捉,通过双重融合实时捕捉等。

    1560419503923


    中科院自动化研究所国家模式识别实验室Robot Vision Group

    http://vision.ia.ac.cn/

    简介:Robot Vision Group是中国科学院自动化研究所(CASIA)国家模式识别实验室(NLPR)的一部分。该小组拥有8名教职员工和20多名博士生。学生们。该小组的主要研究活动集中在3D计算机视觉,包括摄像机校准和3D重建,姿势估计,基于视觉的机器人导航和视觉服务等。该小组主要由国家自然科学基金,国家863计划,国家973计划和中国科学院资助。除基础研究外,该小组还与国家文物局,国家远程遥感中心,国家天文台,诺基亚研究中心等合作开展视觉应用。

    实验室主要成果(http://vision.ia.ac.cn/zh/applications/index.html

    中国古代建筑三维重建

    选取中国古代建筑为载体,对海量无序图像数据的大场景三维重建进行系统研究,通过基于图像的高精度三维重建技术获取古建筑物数字化三维模型,达到对这些珍贵的自然文化遗产进行数字化保护的目的。

    1560418552760

    基于航拍图像的三维地形生成

    通过航拍图像自动获取地形三维结构是计算机视觉在对地观测领域的重要应用,其成果对于抗震救灾、城市规划、3D地图导航等领域有着重要意义。在地形生成过程中,该系统自动计算稠密的高精度三维空间点云,可以替代传统的数字高程模型(DEM)。与传统方法相比,本系统不需要地面控制点,也不需要飞行姿态信息。

    1560419657097

    手机上的增强现实

    增强现实(Augmented Reality)技术通过电脑技术,将虚拟的信息应用到真实世界,真实的环境和虚拟的物体实时地叠加到了同一个画面或空间同时存在。增强现实借助计算机图形技术和可视化技术产生现实环境中不存在的虚拟对象,并通过传感技术将虚拟对象准确“放置”在真实环境中,借助显示设备将虚拟对象与真实环境融为一体,并呈现给使用者一个感官效果真实的新环境。

    1560419738922


    澳洲

    澳大利亚悉尼科技大学CAS实验室

    https://www.uts.edu.au/research-and-teaching/our-research/centre-autonomous-systems

    简介:悉尼科技大学自动系统中心(CAS)是一个享誉国际的机器人研究小组。专注于机器人研究,为政府,行业和更广泛的社区创造积极的变化。从2003年到2010年,CAS成为ARC自主系统卓越中心的一部分,该中心是世界上最大的机器人研究小组之一。自2010年以来,CAS一直在悉尼科技大学作为独立研究中心。研究方向主要在现场机器人技术,研究非结构化环境中智能机器的传感,感知和控制,以人为中心的机器人技术,或能够支持人类承担各种任务的机器人。

    实验室主要成果(https://web-tools.uts.edu.au/projects/search.cfm?UnitId=672)

    一种生物启发的攀爬机器人,用于清洁和绘制悉尼海港大桥拱门内表面

    自2010年以来,悉尼科技大学和新南威尔士州的道路与海事服务(RMS)一直致力于研究和开发用于钢桥检测和状态评估的生物学攀登机器人。 该项目目的是开发一种可实际部署的自主攀爬机器人,用于悉尼海港大桥拱形结构内的清洁和喷漆。

    一种智能水下结构维修机器人系统

    由ARC Linkage项目资助,悉尼科技大学和新南威尔士州的道路和海事服务(RMS)正在开发一种用于水下桥桩检查和维护的机器人解决方案。该项目旨在促进我们对自主机器人如何清洁和检查水下结构构件的理解,并开发能够开发此类机器人系统的突破性方法。在近地表和潮汐环境中使用机器人系统进行检查和维护具有挑战性。桥桩等结构的形状和大小各不相同,通常包含在海洋生长中,这会使桩的几何形状变得模糊,并干扰条件评估。因此,机器人在低能见度和复杂水流条件下运行的能力至关重要。


    澳大利亚机器学习研究所机器人视觉中心

    https://ecms.adelaide.edu.au/research-impact/computer-vision-and-robotics

    计算机视觉和机器人小组由Peter Corke教授(QUT),副主任Ian Reid教授(阿德莱德)和首席调查员Tom Drummond教授(蒙纳士)和Robert Mahony教授(ANU)领导,致力于开发和应用基本的计算机视觉和机器人算法。这包括深度学习,生成模型,对抗性学习,记忆网络和元学习。主要研究深度学习在语义图像理解同步定位和建图(SLAM)和3D场景重建、视频理解问答、医学影像等领域的应用。

    实验室主要成果(https://resources.rvhub.org/)

    适用于微创整形外科手术的基于视觉SLAM的机器人数据集

    该项目旨在开发一种基于视觉的机器人手术助手,用于微创整形外科手术。该系统将由机器人手臂组成,其中附有用于关节内导航的相机 - 关节镜束。该系统将能够a)在人体关节内稳健可靠地定位器械; b)从关节内图像生成密集且准确的膝关节三维重建模型; c)半自动导航相机(通过视觉伺服)跟随外科医生的工具。

    数据集地址:https://data.researchdatafinder.qut.edu.au/dataset/robotic-arthroscopy

    1560161605795

    推荐阅读

    如何从零开始系统化学习视觉SLAM?
    从零开始一起学习SLAM | 为什么要学SLAM?
    从零开始一起学习SLAM | 学习SLAM到底需要学什么?
    从零开始一起学习SLAM | SLAM有什么用?
    从零开始一起学习SLAM | C++新特性要不要学?
    从零开始一起学习SLAM | 为什么要用齐次坐标?
    从零开始一起学习SLAM | 三维空间刚体的旋转
    从零开始一起学习SLAM | 为啥需要李群与李代数?
    从零开始一起学习SLAM | 相机成像模型
    从零开始一起学习SLAM | 不推公式,如何真正理解对极约束?
    从零开始一起学习SLAM | 神奇的单应矩阵
    从零开始一起学习SLAM | 你好,点云
    从零开始一起学习SLAM | 给点云加个滤网
    从零开始一起学习SLAM | 点云平滑法线估计
    从零开始一起学习SLAM | 点云到网格的进化
    从零开始一起学习SLAM | 理解图优化,一步步带你看懂g2o代码
    从零开始一起学习SLAM | 掌握g2o顶点编程套路
    从零开始一起学习SLAM | 掌握g2o边的代码套路
    零基础小白,如何入门计算机视觉?
    SLAM领域牛人、牛实验室、牛研究成果梳理
    我用MATLAB撸了一个2D LiDAR SLAM
    可视化理解四元数,愿你不再掉头发
    最近一年语义SLAM有哪些代表性工作?
    视觉SLAM技术综述
    汇总 | VIO、激光SLAM相关论文分类集锦
    研究SLAM,对编程的要求有多高?
    2018年SLAM、三维视觉方向求职经验分享
    深度学习遇到SLAM | 如何评价基于深度学习的DeepVO,VINet,VidLoc?
    视觉SLAM关键方法总结
    SLAM方向公众号、知乎、博客上有哪些大V可以关注?

    展开全文
  • 计算机系-智能技术与系统国家重点实验室 自然语言处理与社会人文计算实验室 自动化系 北大 机器感知与智能教育部重点实验室---机器学习研究室 深度学习实验室 浙江大学 计算机院 图形与并行系统实验室 南京...

    目录

     

     

    国内

    中科院

    自动化所-智能感知与计算研究中心

    计算所

    智能信息重点实验室

    西电

    清华大学

    计算机系-智能技术与系统国家重点实验室

    自然语言处理与社会人文计算实验室

    自动化系

    北大

    机器感知与智能教育部重点实验室---机器学习研究室

    深度学习实验室

    浙江大学

    计算机院

    图形与并行系统实验室

    南京大学

    机器学习与数据挖掘研究所

    香港中文大学

    Multimedia Laboratory

    西安交通大学

    人工智能与机器人研究所

    美国

    麻省理工大学

    MIT’s Computer Science and Artificial Intelligence Laboratory, CSAIL

    Media Lab

    斯坦福大学

    Stanford Artificial Intelligence Laboratory

    视觉实验室 

    The Thrun Lab

    纽约大学

    NYU Center for Data Science

    卡内基梅隆大学

    Robotics Institute

    National Robotics Engineering Centre (NREC)

    Language Technologies Institute (LTI)

    加州大学伯克利分校(Cal)

    Berkeley Vision and Learning Center

    Robotics and Intelligent Machines Lab

    自动化科学和工程实验室

    加州理工学院(CalTech)

    Department of Computer+Mathematical Science

    伊利诺伊大学厄巴纳-香槟分校(UIUC)

    CENTER FOR ADVANCED ELECTRONICS THROUGH MACHINE LEARNING (CAEML)

    加利福尼亚大学洛杉矶分校UCLA

    CCVL | Center for Cognition, Vision, and Learning

    University of Illinois at Chicago UIC

    artificial intelligence lab

    佐治亚理工学院(Georgia Institute of Technology)

    The Center for Machine Learning

    The Laboratory for Interactive Artificial Intelligence

    华盛顿大学

    宾夕法尼亚大学UPENN

    伍斯特理工学院(WPI)

    Artificial Intelligence Research Group

     普林斯顿大学(Princeton)

    Center for Statistics and Machine Learning

    3D Visione Lab

    PRINCETON VISUAL AI LAB

    Statistical Machine Learning Lab

    Seung Lab

    康奈尔大学(Cornell )

    Machine Learning Lab

    Robot Learning Lab

    美国南加州大学(USC)

    MACHINE LEARNING CENTER

    芝加哥大学(UChicago)

    哥伦比亚大学(Columbia )

    Machine Learning - Columbia CS - Columbia University

    加拿大

    多伦多大学 (UofT)

    蒙特利尔大学Université de Montréal

    机器学习实验室(MILA)

    滑铁卢大学(UW)

    Machine Learning and Intelligence

    ECE Machine Learning Lab

    AI Group

    Computational Statistics Research Group

    麦克马斯特大学(McMaster)

     McMaster.AI

    英国

    布里斯托大学

    Intelligent Systems Laboratory,ISL

    牛津大学

    爱丁堡大学(Edinburgh)

    Artificial Intelligence at Edinburgh

    埃克塞特大学(University of Exeter)

    Machine learning research

    赫特福德大学(University of Hertfordshire)

    MSc in AI with Robotics

    瑞士

    人工智能研究所SUPSI

    苏黎世理工ETH

    人工智能实验室

     Institute for Machine Learning

    意大利

    锡耶纳大学

    The Siena College Institute for Artificial Intelligence,SCIAI

    德国

    慕尼黑工业大学(TUM)

     Computer Vision Group

     

    以色列

    耶路撒冷希伯来大学

    The HUJI Machine Learning Lab

    日本

    大阪大学

    智能机器人研究所

    早稻田大学

    加藤实验室

    其它机构

    Google

    AI Expriments

    Research at Google

    MACHINE LEARNING ADVANCED SOLUTIONS LAB

    Google 量子人工智能实验室

    百度

    Baidu research labs

    Facebook

    Face book research

    FAIR

    Microsoft

    Microsoft Research Lab – Asia(MSRA)

     

    OpenAI


     

    国内

    中科院

    自动化所-智能感知与计算研究中心

    谭铁牛

    谭铁牛博士主要从事图像处理、计算机视觉和模式识别等相关领域的研究工作,目前的研究主要集中在生物特征识别、图像视频理解和信息内容安全等三个方向。研究方向包括动态场景的计算机视觉监控、基于人的行为和生物特征的人物识别与身份鉴定以及数字多媒体数据的水印处理等。

    模式识别国家重点实验室研究员和生物识别与安全技术研究中心主任,智能视觉物联网研发中心主任

    李子青

    李子青的研究领域包括统计模式识别与机器学习理论,以及生物特征识别、智能视频监控,图像处理与计算机视觉,图像与视频理解。 学术研究积极活跃,发表论文 200 多篇,撰写编写著作8 部,其中《图像分析中的马尔可夫随机场模型》 (Springer 1995, 2nd edition 2001, 3rd edition 2009) 被誉为"图像分析领域里程碑意义的工作的,他引超过2000次(by Google Scholar)。受Springer 之邀主编 《生物特征识别百科全书》(Encyclopedia of Biometrics, Springer 2009) 和《人脸识别手册》(Springer, 1 edition 2005, 2 edition 2011)。曾任IEEE Transactions on Pattern Analysis and Machine Intelligence 副主编,2004年来担任70余个国际学术会议大会主席、程序主席,或程序委员。

     

    计算所

    山世光

    论文曾获国际会议CVPR2008大会Best Student Poster Award Runner-up奖。所发表论文被国内外同行引用7000余次(Google Scholar),领导课题组完成的人脸识别系统多次获得国内外人脸识别竞赛第一名,所完成的人脸识别研究成果获2005年度国家科技进步二等奖(第3完成人)。目前承担着国家基金委“优青”项目、面上项目、多个企业合作项目等。

    主要研究方向及内容:

    1、人类视觉系统启发的视觉计算模型

    人类眼-脑视觉系统具有非凡的视觉能力,是研究计算机视觉以及机器学习的良好参照系。生物系统的哪些规律是值得借鉴的?如何借鉴它们以设计视觉计算模型?作为研究视觉计算模型的技术路线之一,我们期望通过借鉴脑科学、认知神经科学、认知心理学、心理物理学等领域的研究成果,提出新的更好的计算机视觉理论、方法和技术。

    2、 数据驱动的统计视觉计算模型

    如果说借鉴人类视觉系统建立视觉计算模型是知识驱动的方法,那么数据驱动则是建立视觉模型的第二途径。通过收集大量的图像或视频,采用无监督、半监督或有监督的统计学习方法,设计合理的优化目标,通过优化层级连接模型的结构和参数,学习能够满足数据的模型。为此,我们尤其关注基于小数据的深度模型学习,基于脏乱差弱标注数据的模型学习,模型的结构进化和迁移学习等问题。

    3、人脸识别理论、方法与关键技术

    人脸识别是典型的视觉难题,也是验证上述视觉计算模型的典型应用案例。为此,我们关注人脸识别模型的设计和学习方法,探讨人脸识别与其他物体识别问题的异同,研究针对不同应用场景的人脸识别关键技术和方法。

    智能信息重点实验室

    陈熙霖

    近年来主要研究领域为计算机视觉、模式识别、多媒体技术以及多模式人机接口。先后主持过自然科学基金重点项目、863计划等项目的研究工作。先后获得国家科技进步二等奖三项,省部级科技进步奖7项,获得国家发明专利四项,合作出版专著1本,在包括IEEE Transactions在内的国内外刊物和会议上发表论文100多篇。担任过十多个国际学术会议的程序委员会委员。

    研究方向:多模式人机交互,多媒体技术,图像理解,模式识别

     

    西电

    高新波---综合业务网理论及关键技术国家重点实验室(通信与信息安全方向)

    主要从事机器学习、计算智能和视觉信息处理、分析和理解以及无线通信等领域的研究工作, 发表SCI检索的论文100余篇、EI检索的论文200余篇,其中在重要国际学术期刊和会议上发表论文80余篇,申请国家发明专利20项、软件著作权12项。

    国家自然科学基金重点项目“临地空间信息栅格网理论与关键技术”

    国家自然科学基金重点项目“日侧冕状极光的分类及其产生机制研究”

    国家自然科学基金项目“基于广义稀疏表示的异质人脸图像变换和质量评价”

    中央高校基本科研业务费专项资金资助项目“综合遥感影像一体化张量分析理论方法体系与关键技术研究”

     

    清华大学

    计算机系-智能技术与系统国家重点实验室

    朱军(官网介绍http://www.tsinghua.edu.cn/publish/cs/4616/2014/20141204083315548241718/20141204083315548241718_.html

    研究领域:机器学习、非参数化贝叶斯方法、最大间隔学习、数据挖掘

    研究概况:研究工作围绕机器学习基础理论、算法和应用展开,注重理论与实际问题结合。针对复杂数据隐含结构的学习与利用中的共性问题,研究了结构学习及基于结构的统计学习中若干关键问题,提出:(1)最大熵判别式学习的PAC-Bayes理论与方法;(2)正则化贝叶斯推理及正则化非参数贝叶斯推理理论;(3)非参数化贝叶斯模型的最大间隔学习理论与高效算法等。针对互联网数据挖掘、社交网络分析、多模态数据融合、网络推荐等多个典型应用场景,将基础理论与实际问题结合,提出有效的计算模型和算法,包括:(1)将正则化贝叶斯推理用于解决大规模文本分类、社交网络分析、矩阵低秩分解、多模态数据融合等问题,提出高效推理算法;(2)将结构化最大熵判别式学习用于解决网络环境下信息抽取、实体关系抽取、多模态数据融合与检索等问题,建立了基于结构的网络数据抽取框架及包括StatSnowball在内的若干统计模型,获3项美国专利,研究成果已应用到微软的多个搜索引擎,包括人立方关系搜索引擎和学术搜索引擎等。

    上述成果已连续多年在机器学习顶级国际会议和杂志ICML、NIPS、UAI、IJCAI、AAAI、 JMLR、PAMI等发表论文50余篇。受邀担任人工智能与模式识别顶级期刊PAMI的编委,担任机器学习顶级会议ICML 2014、ICML 2015、IJCAI 2015、UAI 2014、NIPS 2013等的领域主席,担任ICML 2014的地区联合主席。研究工作得到国家973计划(课题负责人)、自然科学基金优青基金和重点基金等项目的支持,入选“清华大学221基础研究人才支持计划”。

    胡晓林

    研究课题:国家自然科学基金(青年): 基于KKT条件的优化递归神经网络簇设计(2009-2011);国家自然科学基金(面上):基于稀疏编码模型的深层学习神经网络(2013-2016)

    研究概况:我目前的工作集中在计算机科学与认知神经科学的交叉方向,研究兴趣包括人工神经网络和计算神经科学。一方面,我对揭开大脑的奥秘感兴趣,尤其是大脑处理感觉信息和决策信息的机制,主要使用的工具是层次化的计算模型和贝叶斯理论。目前也在尝试用功能性核磁共振成像(fMRI)结合机器学习的方法探索大脑的工作机制。另一方面,我对受大脑启发的计算方法感兴趣。前些年,我的研究集中在设计递归神经网络求解优化相关的问题。现在正在尝试结合更多的认知神经科学方面的知识,提高深度学习模型在物体识别和检测方面的精度和效率。

    近年来,我们针对大脑的视觉腹侧通路的信息处理机制做了一些工作,建立了一系列层次化模型用来解释通路上各层(包括V1, V2, IT等区域)神经元的反应特性。两个较典型的工作是对HMAX模型进行改造,加上稀疏特性和反馈连接,能更好地解释一系列的神经科学数据,相关结果分别发表在PLoS ONE (2014)和Neural Computation (2010)上。

    关于受大脑启发的计算方法,在过去的近十年间,我的大部分工作集中在递归神经网络求解优化问题的理论和方法上,深入挖掘了已有模型的特点,并设计了一系列新的模型,相关成果发表在多篇IEEE汇刊上。近年来,在深度学习方面也做了一些工作。在IJCNN2013年德国交通标志检测比赛中,我们使用卷积神经网络在两类标志上获得了第2名和第4名。除了物体识别和检测,图像的显著性区域检测也是我比较关注的应用。我们借鉴心理学中的一个理论Reverse Hierarchy Theory,构建了一个层次化模型,能较好地预测人眼在图像中的注视点。该成果被计算机视觉的重要会议CVPR’14录用。

    自然语言处理与社会人文计算实验室

    刘知远(官网介绍 http://www.tsinghua.edu.cn/publish/cs/4616/2014/20140321155236367361792/20140321155236367361792_.html

    主要研究方向为表示学习、知识图谱和社会计算。2011年获得清华大学博士学位,已在AAAI、IJCAI、ACL等人工智能领域的著名国际期刊和会议发表相关论文30余篇,Google Scholar统计引用超过1200次。承担多项国家自然科学基金。曾获清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、清华大学优秀博士后、中文信息学会青年创新奖,入选CCF-Intel青年学者提升计划、中国科协青年人才托举工程。担任中文信息学会青年工作委员会执委、副主任,中文信息学会社会媒体处理专委会委员、秘书,SCI期刊Frontiers of Computer Science青年编委。担任ACL、IJCAI、AAAI、NAACL、EMNLP、WWW、WSDM等著名学术会议的程序委员会委员以及TKDE、TOIS、JCST等著名学术期刊审稿人。

    国家自然科学基金面上项目:大规模知识图谱的分布式表是学习、知识获取与推理应用(2016-2019)

    国家自然科学基金青年基金项目:基于协同语义计算的社交媒体信息扩散与可信性研究(2013-2015)

     

    自动化系

    张长水 负责大眼睛实验室

    模式识别,机器学习,人工智能,计算机视觉,图像处理,进化计算,复杂网络等研究领域以及和工业界的合作。近几年在国际期刊和会议上发表学术论文超过100篇,其中包括国际权威期刊Pattern Recognition,TNN,TKDE,IEEE Transaction on Multimedia,以及国际顶级会议IJCAI,AAAI,NIPS,ICML,ECML,SIGIR,CVPR等。

    研究课题:指纹识别,人脸识别,生物特征识别,工业线路板检测,BBS回文网络分析,图书借阅网络的挖掘与分析

    编著书籍:1. 阎平凡,张长水,人工神经网络与模拟进化计算,清华大学出版社,2000,11,北京 2.《智能信息处理和智能控制》,浙江科学技术出版社,1999,合著 3. David Zhang,Automated Biometrics: Technologies and Systems, Kluwer Acdemic Publisher, USA, June,2000。合著

     

    北大

    机器感知与智能教育部重点实验室---机器学习研究室

    林宙辰

    主要研究领域:机器学习,模式识别,计算机视觉,图像处理,数值计算与优化

    主要学术任职:IEEE Trans. Pattern Analysis and Machine Intelligence编委(国际顶尖期刊,中国大陆第四个编委)、International J. Computer Vision编委(国际顶尖期刊,中国大陆第一个编委)、Neurocomputing编委、IEEE高级会员(Senior Member)

    Area Chair: IEEE Conf. on Computer Vision and Pattern Recognition (CVPR), 2014(国际顶尖会议,中国大陆第二个Area Chair)

    深度学习实验室

    张志华

    北京大学数学科学学院统计学教授,北京大数据研究院教授。之前曾经先后任教于上海交通大学和浙江大学,任聘计算机科学教授。主要从事于统计机器学习与人工智能领域的研究和教学。是国际机器学习旗舰刊物Journal of Machine Learning Research的执行编委,并多次受邀担任国际人工智能顶级学术会议的程序委员或高级程序委员。其网络公开课“统计机器学习”和“机器学习导论”受到广泛关注。

    科研项目:深度学习:深度强化学习、自然语言处理、游戏娱乐、深度学习优化算法等;机器学习基础:贝叶斯方法、大规模机器学习模型的求解算法等;理论计算机科学:随机算法、在线博弈、区块链等;

     

    浙江大学

    计算机院

    何晓飞(官网介绍 http://www.cs.zju.edu.cn/chinese/redir.php?cust=people&id=22887

    研究领域与方向:计算机视觉、机器学习、互联网数据挖掘

    研究成果:近年来主要从事计算机视觉、机器学习、互联网数据挖掘等方面的研究,在流形学习、数据挖掘、图像检索等领域取得了重要进展。其提出的保局投影(LPP)是流形学习领域的代表性算法,提出的Laplacianfaces是继Eigenface、Fisherface之后基于子空间人脸识别领域的又一重要算法。目前担任IEEE Transactions on Knowledge and Data Engineering (TKDE)、IEEE Transactions on System, Man and Cybernetics – Part B (TSMCB)等国际顶级期刊编委。

    蔡登(个人主页:http://www.cad.zju.edu.cn/home/dengcai/)

    研究领域与方向:机器学习、计算机视觉、信息检索

    图形与并行系统实验室

    周昆

    潘纲

    中国计算机学会普适计算专委会秘书长,中国计算机学会多媒体专委会委员,中国图像图形学会多媒体专委会委员,中国人工智能学会脑机融合与生物机器智能专委会委员。分别于1998年、2004年获得浙江大学学士与博士学位,2007年美国加州大学洛杉矶分校(UCLA)访问。入选教育部新世纪优秀人才支持计划、浙江省杰出青年基金、浙江省“钱江人才”计划。主要研究方向为普适计算、计算机视觉、脑机交互等。近年来,主持国家自然科学基金、863计划、浙江省自然科学基金等科研项目20余项。已发表论文100多篇(包括IEEE TIP、IEEE TITS、IEEE IS、PLoS ONE、ACM Computing Survey等权威期刊,以及CVPR, ICCV, IJCAI, Ubicomp等国际一流会议),获授权发明专利17项。相关成果曾获国内外众多媒体报道与关注,包括中央电视台、新华社、人民日报、China Daily、凤凰卫视等华语媒体,以及《New Scientist》、《Wired》等国外知名媒体网站。担任IEEE Systems Journal编委,担任IEEE TPAMI、TIP、TVCG、PR等多个国际期刊审稿人,曾任20多个国际学术会议程序委员会委员。获国家科技进步二等奖(排名第2)。

     

    南京大学

    机器学习与数据挖掘研究所

    周志华

    主要从事人工智能、机器学习、数据挖掘等领域的研究工作。主持多项科研课题,出版《机器学习》(2016)与《Ensemble Methods: Foundations and Algorithms》(2012),在一流国际期刊和顶级国际会议发表论文百余篇,被引用两万余次。主编文集多部。获发明专利二十余项。现任 Frontiers of Computer Science 执行主编,中国科学: 信息科学 等刊副主编,Machine Learning, IEEE Trrans PAMI 等刊的Associate Editor / 编委,曾任 科学通报 副主编(2008-2014),IEEE TKDE (2008-2012), IEEE TNNLS (2014-2017), IEEE TCDS (2015-2016), ACM TIST (2009-2017), Neural Networks (2014-2016) 等刊的Associate Editor / 编委等;亚洲机器学习会议(ACML)发起人及指导委员会主席,ICDM、PAKDD、PRICAI指导委员会委员,国际人工智能联合会议(IJCAI 2015-2016) 顾问委员会委员,数十次担任国际学术会议主席

    俞杨

     

    香港中文大学

    Multimedia Laboratory

    多媒体实验室---计算机视觉黄埔军校

    汤晓鸥

    王晓刚

    欧阳万里

    林达华

    贾佳亚

    Below we list down some of the recent advances and developments in the deep learning field:

    Deep Learning makes MIT Tech Review’s list of top-10 breakthroughs of 2013.

    Won ImageNet 2012 challenge on recognizing 1000 different types of object.

    Most of the approaches in ImageNet 2013 challenge use deep learning models.

    Deep learning is becoming a mainstream technology for speech recognition at industrial scale.

    Won the competition to predict job salaries from job advertisements

    Find molecules for potential new drugs.

    Won ICPR 2012 mitosis detection in breast cancer histological images.

    Won MICCAI 2013 Grand Challenge on mitosis detection.

    Best artificial offline recognizer of Chinese characters from the ICDAR 2013 competition.

    Won brain image segmentation contest.

    Baidu opens a deep learning lab in the Silicon Valley.

    Yahoo acquires startup LookFlow to work on Flickr And ‘Deep Learning’.

    Facebook is setting up a deep learning team.

    Google and Baidu announced their deep learning (specifically, convolutional neural network) based visual search engines.

     

     

    西安交通大学

    人工智能与机器人研究所

    主要进行以计算机视觉与模式识别为基础的智能信息处理结合学科发展前沿,重点进行视觉信号统计特性、初级视觉模型、计算机图形学和机器视觉信息计算模型研究;智能系统的数理机制探索与模型化;计算视频及面向图像和视频处理的超大规模专用集成电路设计;基于图像信息的智能控制与识别系统和各种图像处理方法与技术。

    郑南宁

    提出图像分析和视觉知识描述新方法,为构造计算机视觉系统和基于图像信息的智能控制系统,提供了理论指导和关键技术。完成了“精密装配机器人机器视觉系统”研究。发明了一种图像边缘曲线拟合的新方法。完成了“高性能机器视觉及车型与牌照自动识别系统。提出在线交互式立体测深方法,研制出“X线数字减影血管造影系统”及“DSA1250数字减影血管造影系统”。研制出具有自主知识产权的数字电视扫描制式转换及视频处理芯片。

     

    美国

    麻省理工大学

    MIT’s Computer Science and Artificial Intelligence Laboratory, CSAIL

    Algorithms & Theory

    Foundational work that includes complexity, parallel computing and game theory

    AI & Machine Learning

    Spanning natural language processing, deep-learning, computer vision and more

    Computational Biology

    Understanding disease via epigenomics, gene regulation and bioinformatics

    Computer Architecture

    How CPUs, memory and other systems are designed and organized

    Graphics & Vision

    Teaching computers to interpret, create and animate visual data

    Human-Computer Interaction

    Software and hardware that let us naturally interact with technology

    Programming Languages & Software

    From compilers and verification to software design and engineering

    Robotics

    Vision, actuation, sensing and manipulation of machines

    Security & Cryptography

    Developing technologies to prevent and recover from cyber-attacks

    Systems & Networking

    From distributed systems and databases to wireless

     

    Media Lab

    Alex “Sandy” Pentland

    在任职于MIT(麻省理工大学)的教授这期间,他创建多个公司,如IDcubed.org、 Sense Networks、Cogito Health、 Ginger.io等。根据他所取得的成就,福布斯(Forbes)称他是世界上最有力量的数据科学家(the ‘World’s Most Powerful Data Scientist’ )。被任命为多个跨国公司(MNCs)的顾问(an advisor),如Nissan、Motorola、HBR、Telefonica等。主要兴趣在机器学习、人工智能与人类计算(Human computing)等领域。

     

    斯坦福大学

    Stanford Artificial Intelligence Laboratory

    人工智能实验室

    成立于1962年,50多年来一直致力于推动机器人教育。由于斯坦福与硅谷的特殊联系,斯坦福的学生有更多机会将他们的发明商业化。斯坦福大学在2014年底宣布了一个长达100年的人工智能研究计划,可见其在人工智能研究方面的投入和决心。另外,斯坦福大学在网上公开了许多他们有关机器人和深度学习的课程。在斯坦福人工智能实验室的教授团队中,最为华人熟悉的是Andrew Ng(吴恩达),他是世界上machine learning(机器学习)领域的大师,在斯坦福教授的machine learning课程十分受欢迎。同时,他还曾在Google公司的“谷歌大脑”项目中担当要职,帮助谷歌建立全球最大的“神经网络”,这个神经网络能以与人类大脑学习新事物相同的方式学习现实生活。2014年,Andrew加入百度担任百度首席科学家。斯坦福的华人李飞飞参与建立了著名的ImageNet计算机视觉识别数据库及挑战赛,其每年都会吸引各大公司的图像识别程序的参加,极大促进了图像识别领域的技术发展。目前,李飞飞是斯坦福人工智能实验室的主管。

     

    视觉实验室 

    DAGS,Daphne's Amazing (or Approximate) Group of Students

    Daphne Koller

    在攻读博士期间, 获得了很多奖项,如杰出青年科学家奖(ONR Young Investigator Award)、ACM Infosys 基金(ACM Infosys由Infosys公司创立于2007年8月。旨在奖励在计算机科学界做出杰出贡献并有深远影响的人才)、2001IJCAI计算机和思维奖 (Computers and Thought Award)、麦克阿瑟奖(MacArthur Foundatin Fellowship,俗称“天才奖”,被视为美国跨领域最高奖项之一)。她已在斯坦福大学任职了18年。她的主要兴趣领‘域是机器学习、人工智能与模式识别等。

     

    The Thrun Lab

    We are a team of expert computer scientists with the singular aim of significantly helping society through artificial telligence technologies, and are constantly on the lookout for high-impact projects.We have worked on robotics, self-driving cars, automated homes, healthcare, drones, and a number of other applications.We currently focus on three areas: AI for healthcare, AI for people-prediction, and smart-homes.

    Sebastian Thrun

    Udacity的创始人与CEO。在此之前,他创建了Google X并作为副总裁(Vice President,VP)在Google工作了7年,并在斯坦福大学担任研究教授(Research Professor)。他旨在大众化教育,让每个人都有机会学习世界各地的课程。他的梦想是让世界上每个人接受到更好的教育是这个世界更加美好。他的主要研究领域是机器学习与人工智能。

     

    纽约大学

    NYU Center for Data Science

    数据科学中心

    Data science creates meaning from vast amounts of complex data.Using automated analytical methods, it reveals patterns humans alone might never see. Data science combines aspects of: COMPUTER SCIENCE,APPLIED MATHEMATICS,STATISTICS,MACHINE LEARNING,VISUALIZATION

    Yann Lecun

    他是Hinton的学生,在皮埃尔玛丽居里大学获得了计算机科学博士学位,期间提出后向传播算法。他如今在Facebook带领团队进行人工智能工作,即他是Facebook人工智能实验室的负责人。他在纽约大学任职了12年,是纽约大学的终身教授,是纽约大学数据科学中心的负责人。为了表彰他在深度学习领域里所作出的贡献,IEEE计算机学会颁给他着名的“神经网络先锋奖”,在2014年北京计算智能大会上授予。在加盟Facebook之前,Lecun已在贝尔实验室工作超过20年,期间他开发了一套能够识别手写数字的系统,叫作LeNet,用到了卷积神经网络(Cnvolutional Neural Networks, CNN),已开源。他研发了很多关于深度学习的项目,并且拥有14项相关的美国专利。他甚至开发了一种开源的面向对象编程语言Lush,比Matlab功能还要强大,并且也是一位Lisp高手。他在机器学习、深度学习、计算机视觉、计算神经科学领域进行了深度研究。

     

    卡内基梅隆大学

    Robotics Institute

    机器人学院

    1979年成立了,专门在机器人科技领域进行实践和研究,这个学院还是全世界第一个推出机器人PHD项目的大学。RI在无人驾驶,智能制造,图形,视觉以及空间、医疗机器人等各个领域全面开花,成为了全美最老牌和最成功的机器人学院之一。

    National Robotics Engineering Centre (NREC)

    与政府及商业机构合作,进行高端项目研究。同时,卡内基梅隆大学还是NASA航空航天科研任务的主要承制单位之一,该校的机器人研究所从事过自动驶车、月球探测步行机器人,单轮陀螺式滚动探测机器人的研究。目前Rachel Burcin是卡内基梅隆大学的全球项目主管

    NREC develops and matures robotics technologies and solutions from concept to commercialization. Our unique expertise places us at the forefront of unmanned ground vehicle design, autonomy, sensing and perception, machine learning, machine vision, operator assistance, 3D mapping and position estimation. NREC also leads in educational outreach through its Robotics Academy, which creates robotics curricula and software for K-12 and college-level students.

    Language Technologies Institute (LTI)

     语言技术研究所

    在机器翻译、信息检索方面实力强劲。其余研究方向包括计算语言学、信息检索、语音识别与合成、计算生物学、机器学习、文本挖掘、知识表示法、计算机辅助语言教学、智能语言辅导等。曾帮助IBM开发沃森系统,其中,做出了两个直接贡献:一是来源扩展算法,用于确定用来回答关于既定主题的问题的最佳文本资源,二是答案评分算法,该算法增进了沃森用来判断某个修选答案在何时可能正确的能力。

    MLD更倾向于基础的机器学习算法,模型的研究,相对于MLD,LTI更偏向于把机器学习的模型应用到实际问题上来。

    Jurgen Schmidhuber

    自然语言处理学者与专家, 是国际计算语言协会(ACL)的首批Fellow,曾任ACL2001年主席。他主要的研究工作是机器学、RNN(Recurrent Neural Networks,递归神经网络)、深度学习、计算机视觉以及自然语言处理等。他早机器翻译、自动文摘、自动问答、文本理解等领域作出了杰出的贡献。他自述目前自己最感兴趣的两个方向是语言计算机理解:计算机对一篇整体的文本而不是对一个个句子进行孤立的理解,这中间需要进行指代消解、实体解析和实体链接 等很多工作。另一个是社会媒体,他目的并不是研究连接网络的拓扑结构,而是研究流经网络的海量的实时化的内容,从而发现人的性格、角色和特长等。他的研究 已广泛应用于Google、Microsoft、IBM、Baidu、Facebook、Twitter等公司,特别是在递归神经网络中作出的贡献,如广 泛使用的LSTM(Long Short-Term Memory,长短时记忆)与最新的据说胜过LSTM的CW-RNN(Clockwork RNN,时钟驱动递归神经网络)。他已经发表了333篇论文,有7篇最佳论文。获得了2013年国际神经网络社会(International Neural Networks Society)的Helmholtz奖(亥姆霍兹奖),并获得2016年该会议的先锋奖。

     

    加州大学伯克利分校(Cal)

    Berkeley Vision and Learning Center

    很多牛人,其中Pieter Abbeel做强化学习比较厉害

    Robotics and Intelligent Machines Lab

    机器人和智能机器实验室

    致力于用机器人复制动物的行为。

    自动化科学和工程实验室

     Demonstrate Cam Demonstrate Cam Demonstrate Cam

    Berkeley Laboratory for Automation Science and Engineering

    从事广泛的机器人功能的研究,如机器人辅助外科手术和自动化制造。还有计算机可视化小组,学生可以学到如何帮助机器人能“看的见”。加州大学伯克利分校研发的一个机器人可以自己拧开瓶盖。

     

    加州理工学院(CalTech)

    Department of Computer+Mathematical Science

    关于机器学习的项目:

    Related research groups & Centers :CDS, CD3, Center for Data Science and Technology, CMI, CNS, DOLCIT, RSRG

    DOLCIT

     -- statistical decision theory, machine learning, and optimization

    Computational Vision

     -- computer vision, perception, and behavior studies

    Yisong Yue

     Center for Autonomous Systems and Technologies (CAST)

    2017年10月份新开的一个drone Lab,相关新闻 http://www.latimes.com/local/lanow/la-me-caltech-drone-lab-20171024-htmlstory.html

     

    伊利诺伊大学厄巴纳-香槟分校(UIUC)

    此校机器学习研究的所有相关介绍,包括项目、课程等: http://ml.cs.illinois.edu/

    Research Groups:

    Cognitive Computation Group

    Database and Information Systems Laboratory

    Knowledge Representation & Reasoning Group

    UIUC Speech and Language Engineering Group

    Zhi-Pei Liang's Research Group

    The Teacher Research Group

    Environmental Management and Systems Analysis (EMSA) Research Group

    Illinois Genetic Algorithms Laboratory (IlliGAL)

    CANIS: Community Architectures for Network Information Systems

    UIUC Agents and Multi-Agents Group (AMAG)

    Computational Systems Neuroscience Group

    Language Production Lab

    Automated Learning Group (NCSA)

    此校计算机院人工智能研究的所有相关介绍,包括项目、课程等: https://cs.illinois.edu/research/artificial-intelligence

    ARTIFICIAL INTELLIGENCE RESEARCH EFFORTS AND GROUPS:

    Beckman Institute

    Natural Language Processing Group

    Speech and Language Engineering Group

     

    CENTER FOR ADVANCED ELECTRONICS THROUGH MACHINE LEARNING (CAEML)

    CAEML’s vision is to enable fast, accurate design and verification of microelectronic circuits and systems by creating machine learning algorithms to derive models used for electronic design automation. The center aims to speed up the design and verification of microelectronic circuits and systems, reducing development cost and time-to-market for manufacturers of microelectronic products, especially integrated circuits.

     

    T. Huang

    My research lies in two related areas: Multimodal (esp. audio and visual) human computer interaction; and Multimedia (images, video, audio, text) annotation and search. Research projects in the first area include: Visual hand tracing and gesture recognition; audio-visual recognition of gender, age group, and emotion. Projects in the second area include: Web-based face annotation and recognition; multimedia profiling of broadcast news anchors.

     

    加利福尼亚大学洛杉矶分校UCLA

    CCVL | Center for Cognition, Vision, and Learning

    Leo Zhu,依图的创始人

     

    University of Illinois at Chicago UIC

    artificial intelligence lab

     

    佐治亚理工学院(Georgia Institute of Technology)

    主要在做的是College of Computing的School of Interactive Computing,开设了很多相关课程。对人工智能、机器学习、机器人都有比较广泛的研究。

    The Center for Machine Learning

    涉及各个方面( http://ml.gatech.edu/research):

    Dynamic Data and Decision Making

    Neural Computation

    Data Mining and Anomaly Detection

    Interactive Machine Learning

    Medical and Healthcare Data

    Education Data

    Logistics and Operational Data

    Physical Data

    Social Computing Data

    Information Systems, Security, and Privacy

    Financial Markets

    The Laboratory for Interactive Artificial Intelligence

     

    华盛顿大学

    Wpaul G.allen (School of Computer Science& Engineering)

    机器学习的项目: https://www.cs.washington.edu/research/ml/projects

    人工智能的项目: https://www.cs.washington.edu/research/ai/projects

    需要注意的是他们做深度网络的加速做得比较火热

     

    宾夕法尼亚大学UPENN

    School of Engineering & Applied Science

    Intelligent Systems incorporates the following areas:( http://www.cis.upenn.edu/about-research/)

    Machine Learning

    Faculty: Yoseph Barash, Eric Eaton, Michael Kearns, Alexander Rakhlin, Lyle Ungar

    Natural Language Processing

    Faculty: Chris Callison-Burch, Aravind Joshi, Mark Liberman, Mitch Marcus, Ani Nenkova, Charles Yang

    Robotics

    Faculty: Dan Koditschek, Katherine Kuchenbecker, Vijay Kumar, Dan Lee, Max Mintz, George Pappas, CJ Taylor

    Computer Vision

    Faculty: Kostas Daniilidis, Jean Gallier, Ladislav Kavan, Jianbo Shi, CJ Taylor

    Computer Graphics and Animation

    Faculty: Norm Badler, Jean Gallier, Ladislav Kavan

     

    Penn Research in Machine Learning

    The following are some representative research areas investigated by PRiML.upenn members:

    Computational and statistical learning theory (Agarwal, Kearns, Rakhlin, A. Roth)

    Fairness in machine learning (Kearns, A. Roth)

    Machine learning in computational biology and bioinformatics (Agarwal, Barash, Jensen, Ungar)

    Machine learning in computer vision (D. Roth, Shi)

    Machine learning in natural language processing (D. Roth, Ungar)

    Machine learning methods for ranking and choice modeling (Agarwal, Jensen)

    Online learning, game-theoretic learning, multi-armed bandits (Agarwal, Guha, Kearns, Rakhlin, A. Roth, Vohra)

    Optimization for machine learning (Hassani, Rakhlin, Ribeiro, Su)

    Reinforcement learning (Eaton, Lee)

     

    伍斯特理工学院(WPI)

    Artificial Intelligence Research Group

    AIRG members share interests in the theory and applications of AI and knowledge-based systems. Current and past research interests include intelligent tutoring, data mining, knowledged-based design, intelligent interfaces, multi-agent systems, machine learning, computer vision, case-based reasoning, iconic interfaces, knowledge acquisition, and the validation & verification of expert systems.

     

     普林斯顿大学(Princeton)

    Princeton 的计算机专业下设机器学习的研究方向,该方向的教授有美国文理学院院士Sanjeev Arora,Elad Hazan等教授。

    Center for Statistics and Machine Learning

    Department of Computer Science

    Projects:

    Learning with partial feedback

    Online Convex Optimization

    Projection free learning

    Sublinear Optimization

    WordNet

    3D Visione Lab

    3D Deep Learning

    Autonomous Driving

    RGB-D Recognition & Reconstruction

    Scene Understanding

    PRINCETON VISUAL AI LAB

    Video understanding: [CVPR 2016], [IJCV 2017], [CVPR 2017], [CVPR 2017]

    AI-human interaction: [CVPR 2015], [ECCV 2016], [CVPR 2017]

    ImageNet challenge: [IJCV 2015], [CHI 2014], [ICCV 2013]

    Object detection: [PhD Thesis 2015], [CVPR 2015]

    Image segmentation: [ECCV 2016]

    Reinforcement learning: [CVPR 2016], [CVPR 2015], [CVPR 2017]

    Visual question answering: [CVPR 2017]

    Image and video annotation: [IJCV 2015], [HCOMP 2016], [FoundationTrends 2016], [CHI 2014]

    Education and diversity: [SIGCSE 2016]

    Statistical Machine Learning Lab

           › Nonparametric graphical model

           › Transelliptical modeling and robust Inference

           › Nonconvex statistical optimization

           › Post-regularization inference

           › High dimensional nonparametrics

           › Fundamental limits of a computational model

    Seung Lab

     

    康奈尔大学(Cornell )

    Cornell 计算机专业下设AI,并在二十世界九十年代早期成立里AI领域的研究团队。这些团队涉及机器学习,自然语言处理,知识表示和推理,游戏和决策理论等。领域内教授包括Kavita Bala,Serge Belongie,Ronald Brachman,Claire Cardie等。

    特色:系成立较早;AI为博士课程研究方向之一

    此校机器学习总述( http://machinelearning.cis.cornell.edu/index.php)

    计算机院人工智能总述( https://www.cs.cornell.edu/research/ai

    Machine Learning Lab

    Robot Learning Lab

     

    美国南加州大学(USC)

    南加州计算机科学系研究生学院内置人工智能、代理、自然语言与数据、机器人学等课程。该校的机器人研究实验室,鼓励本科生在教师指导下亲手参与机器人研究。毕业生会被邀请参与机器人的制造。该校的人工智能技术在多个领域不断创新,如去年,其研究人员开发出了一种叫做Sim Sensei的工具,该工具能够利用Kinect读懂人类的肢体语言,并诊断出检测对象是否出现有神经紧张、焦虑等抑郁症现象。

    MACHINE LEARNING CENTER

    USC Viterbi | Department of Computer Science

    此校所有的与Artificial Intelligence, Agents, Natural Language, Vision相关的实验室都可以在这里找到: https://www.cs.usc.edu/research/research-areas-labs/

     

    芝加哥大学(UChicago)

    machine learning @ uchicago

    美国芝加哥大学的计算机系是美国最强的计算机系之一,现有19位终身教授。芝加哥大学计算机系的研究方向众多,主要有:计算机理论,计算机复杂度,组合数学,人工智能,计算机视觉,图像处理,分布式系统,网格,云计算,超级计算机,程序语言设计,生物信息学,计算科学。

     

    哥伦比亚大学(Columbia )

    哥大的优势在于它提供了东海岸几乎最好的研究设施。

    Machine Learning - Columbia CS - Columbia University

    机器人实验室

    自然语言处理(NLP)实验室

    计算机视觉实验室

     

    加拿大

    多伦多大学 (UofT)

    Machine Learning at UofT

    多伦多——远远领先于Google开始研究无人驾驶汽车,领先亚马逊设计语音交互的智能家用设备。前段时间,多伦多大学成立了向量学院,以更好地扶植加拿大人工智能产业的发展。

    Geoffrey E. Hinton

    将BP算法应用到神经网络与深度学习中人员之一,并且是主导者(co- inventor). Hinton 提出了“Dark Knowledge”黑暗知识概念(“Dark Knowledge”这本书籍已经出版,亚马逊上面有卖,288RMB,可见其nb性),该概念是受小概率比率事件中的“大部分知识”对于训练与测试中的 代价函数是没有影响的。Hinton在人工智能领域中无人不知无人不晓是因为其在人工神经网络(Artificial Neural Networks)中所作出的贡献。Hinton在爱丁堡大学获得了人工智能的博士学位,现为多伦多大学的特聘教授。在2012年获得了加拿大 2012年基廉奖(Killam Prizes,Killam Prizes是有“加拿大诺贝尔奖”之称的国家最高科学奖)。在2013年,他加入Google,并带领一个AI团队,目前正进行着Google Brain项目。

     

    蒙特利尔大学Université de Montréal

    机器学习实验室(MILA)

    Yoshua Bengio

    CIFAR项目的负责人之一,负责神经计算和自适应感知器等方 面。又是加拿大统计学习算法学会的主席,并且是NSERC-Ubisoft主席以及其它。在蒙特利尔大学任教之前,他是AT&T & MIT的一名机器学习研究员。他的主要贡献在于深度学习与人工智能等领域。

     

    滑铁卢大学(UW)

    Machine Learning and Intelligence

    ECE Machine Learning Lab

    The whole lab out for dinner.The University of Waterloo ECE Machine Learning Lab (UWECEML) carries out work on a variety of topics within Artificial Intelligence and Machine Learning with a focus on using real world problems to discover computationally hard problems of modelling uncertainty, learning predictive models and enabling decision making. Below are some of the topics, domains and concepts of ongoing and prior work in the lab.

    AI Group

    The Artificial Intelligence Group conducts research in many areas of artificial intelligence. The group has active interests in: models of intelligent interaction, multi-agent systems, natural language understanding, constraint programming, computational vision, robotics, machine learning, and reasoning under uncertainty.

    Computational Statistics Research Group

     

    麦克马斯特大学(McMaster)

     McMaster.AI

    McMaster.AI brings together leaders from industry, academia and government to engage in discussions about the future of AI and its potential benefits. Come hear what forward thinkers have to say about this emerging area, new technologies, and discover new innovation and commercial opportunities.

    McMaster University has a distinguished history in the evolution of smart systems, including the development of cognitive approaches, and smart optimization processes. We are bringing a smart-systems and cognitive approach to a broad range of problems and industries.

     

    英国

    布里斯托大学

    Intelligent Systems Laboratory,ISL

    智能系统实验室

    研究领域涵盖了机器学习,数据分析和挖掘,图像识别等多个领域,除了专精计算机科学和工程学外,布里斯托大学还非常注重计算机科学在其他领域学科中的交叉应用。去年3月,该实验室由人工智能教授尼洛·克里斯蒂亚尼(Nello Cristianni)所带领的团队在一项新的研究中首次使用算法分析了13万多篇网上有关2012年美国总统大选的媒体报道,总结出了大选年媒体的表达规律从而判断出他们对政党的态度。这是一项典型的大数据与社会学的综合研究。ISL的负责人目前是Colin Campell

     

    牛津大学

    没有专门的人工智能实验室,但其在深度学习方面的实力也不容小觑,14年谷歌先是收购了人工智能公司DeepMind,然后在年底展开了与牛津大学的合作,雇佣了7位深度学习领域的专家,其中3位仍然保留牛津大学教授的职称。正是这些人和DeepMind一起研制出了后来名扬天下的AlphaGo。

    Visual Geometry Group Home Page

     著名的VGG就出自这里。还有Nando de Freitas也非常年轻有为,网课很火

     

    爱丁堡大学(Edinburgh)

    Artificial Intelligence at Edinburgh

    Research activity in the School of Informatics is organised within six research institutes. To find out about AI research in Edinburgh please visit our research pages or the web sites of the following institutes :

    人工智能专业(MSc in AI)

    该专业的主要课程有:大脑处理和人工学习系统、计算机视觉、移动和转配机器人以及音乐感知和可视化处理等。

     

    埃克塞特大学(University of Exeter)

    Machine learning research

    应用人工智能专业(MSc in Applied AI)

    着重于人工智能在工业和商业中的应用。在前沿研究组织工作的程序员和研究人员,正在广泛的寻找有关于人工智能的理论和编程技术,实用知识,如 进化计算(遗传算法,遗传编程)和神经网络等一切有用的理论和实践知识。

     

    赫特福德大学(University of Hertfordshire)

    BSc (Hons) Computer Science (Artificial Intelligence)

    MSc in AI with Robotics

    人工智能与机器人

    课程将提供学生信息计算工作系统构建、人工智能与机器人、人工生命、神经网络、以及计算机与机器人进化方面的理论和实践技巧。该课程得以于与国际知 名研究机构与赫特福德大学的合作计划,课程将为有志于投身人工智能领域研究与工作的人士提供充足的准备。该专业的核心课程包括:生物计算、人工生命、计算 机与机器人进化等。

     

    瑞士

    人工智能研究所SUPSI

    Dalle Molle

    一个非营利性的人工智能研究机构,隶属于卢加诺大学信息学院,瑞士意大利语区高等专业学院信息技术部以及瑞士南方的应用科学大学。研究所致力于机器学习,包括人工神经网络和强化学习,目前,该实验室正在研制一种用于无人机搜救的人工智能系统,可以识别出复杂的从林中需要救助的对象,如迷路的人或登山队员。

     

    苏黎世理工ETH

    人工智能实验室

    在机器视觉和深度学习、机械工程等方面有深厚的积累。培养出了无数人工智能领域的人才。国内外的许多AI公司的CTO都毕业于该校的计算机视觉领域。在其人工智能实验室成立25周年之际,苏黎世理工展示了他们建造的最新的一款人形机器人,其结构设计看起来同人类的肌肉-骨骼系统颇为相似。其分布式自动控制实验室甚至制造出过一款带有球拍的、可以用来打球的四旋翼无人机系统“Quadrators”。

     Institute for Machine Learning

    The institute includes four research groups:

    Information Science and Engineering (Prof. Joachim Buhmann)

    Data Analytics (Prof. Thomas Hofmann)

    Learning and Adaptive Systems (Prof. Andreas Krause)

    Biomedical Informatics (Prof. Gunnar Rätsch)

     

    意大利

    锡耶纳大学

    The Siena College Institute for Artificial Intelligence,SCIAI

    人工智能研究所

    它与布里斯托大学一样比较重视计算机科学与其它科学,如经济学、社会学、医学等领域的联合应用。并且它还比较重视有关AI的伦理问题和AI应用后对社会可能的冲击的研究。我们认为后者应该属于AI领域的基础理论研究

     

    德国

    慕尼黑工业大学(TUM)

     Computer Vision Group

     

    以色列

    耶路撒冷希伯来大学

    The HUJI Machine Learning Lab

    拥有世界上第一家技术转让公司Yissum,独家负责希伯来大学发明创造的商业化应用。希伯来大学最著名的发明应该数自动驾驶系统Mobileye,它于今年被Tesla采用,视为在自动驾驶领域对抗谷歌的武器。

     

    日本

    【主要是机器人学】

    大阪大学

    智能机器人研究所

    该研究所的仿人机器人非常出名,在2014年5月5日,大阪智能机器人研究所研制出一款智能机器人,该机器人外形机器极其逼真,能够完成点头、眨眼等动作,并可以进行简单的交谈。大阪大学的机器人研究在很早以前就开始了,2010年,日本大阪大学智能机器人学教授石黑浩带领的科研小组开发出可模仿人类表情的女性替身机器人,并于4月3日在大阪市公开展示。这个名叫“GeminoidTMF”的机器人以一位日本年轻女性为原型,坐着时高140厘米,重量大约为30千克。在12个控制器的作用下,她可以同步模仿真人的表情。通过一个表情遥控器,你可以让她时而露齿微笑,时而眉头紧皱。

     

    早稻田大学

    加藤实验室

    对于两足机器人的研究对机器人的发展做出了卓越的贡献。纵观早稻田大学的机器人发展史几乎可以说是加藤实验室的研究史。可以说早稻田大学的机器人研究是日本最早的,1973年,WABOT1号机器人,于“早大”有关研究室协作下完成。该机器人身高约2米,体重160公斤。有两只手,两条腿,在胸部有2个眼睛、耳朵和嘴巴。全身共有26个关节,手上还装有触觉传感器。2009年6月23日,日本早稻田大学推出了一款情感丰富的机器人—KOBIAN。据说该款机器人是世界上首款能够同时利用表情和动作与人进行全面情绪互动的机器人。早稻田大学的人形机器人非常出名,“日本机器人之父”加藤一郎教授是开创两足步行机器人研究的先驱,70年代研发了人工肌肉驱动的下肢机器人,90年代研发了以液压、电机驱动的WL系列下肢机器人,90年代WABIAN系列开始带有上肢才具有拟人形,高西淳夫研究室是原加藤实验室的延续。

     

    其它机构

    Google

    AI Expriments

    Research at Google

    MACHINE LEARNING ADVANCED SOLUTIONS LAB

    Google 量子人工智能实验室

    量子计算机来执行机器学习。机器学习适用于某些计算机模型,而量子计算机的概念就是让你可以找到更适合或更有效的方式。John Martinis透露,虽然目前发展的状况还不及量子化学,但是有一些好的想法可以让机器学习与量子计算机整合。内部已经有相关计划正在打造量子神经元(quantum neuron),他们发现量子化学领域有一个算法相当近似量子机器学习,或者是量子神经网络(quantum neural net),因此机会是很大的。已有不少公司着眼此领域,包括 IBM 、微软、阿里巴巴,因此对于量子机器学习的发展他也持乐观态度。

    希望更多人投入算法--由于量子计算机的理论与现今计算机不同,未来想要走入应用阶段,也有赖工程师们学习新的编程方法。对此,John Martinis 表示,他的团队主要在设计硬件、控制软件,很希望外界的人学习如何编程量子计算机。现在的工程师不需要知道互补式金属氧化物半导体(CMOS)等积体电路的制程,只需要了解作业系统及程序语言就可以写出应用程序,虽然量子计算机很难,但在学理上如数学、物理学等还是有一致性,他们只要知道背后的原理、如何使用算法,就能触类旁通。

     

     

    百度

    Baidu research labs

    Adam Coates

    Coates在斯坦福大学获得计算科学博士学位。目前,他被任命为百度硅谷人工智能实验室的高级主管。他的研究兴趣主要是机器学习、深度学习、控制和机器人(Control & Robotics)。

     

    Facebook

    Face book research

    FAIR

     

    Microsoft

    Microsoft Research Lab – Asia(MSRA)

     

    OpenAI

    展开全文
  • 东南大学-易安联网络安全联合实验室第二次工作会议 易安联网络技术有限公司 南京易安联网络技术有限公司成立于2005年,是从事网络信息安全产品研发与销售的高科技公司,致力于向客户提供办公网络远程接入及信息...

    一、易安联网络技术有限公司

    • 易安联网络技术有限公司

      • 南京易安联网络技术有限公司成立于2005年,是从事网络信息安全产品研发与销售的高科技公司,致力于向客户提供办公网络远程接入及信息安全解决方案
      1. 公司名称:南京易安联网络技术有限公司
      2. 成立时间:2005年
      3. 经营范围:电子政务、能源、通信、教育
      4. 自主知识产权:SSL VPN产品、IPSec VPN产品
      • 产品介绍:公司现有自主知识产权的SSL VPN产品、IPSec VPN产品、负载均衡产品、数据库保护系统产品等,其中SSL VPN产品为国内最早投入商用之一。

     

    二、2020 LINKUP⁺ 网络安全峰会

    • 2020年9月6日,由南京市雨花台区人民政府、中国(南京)软件谷主办,南京易安联网络技术有限公司承办的“2020 LINKUP⁺ 网络安全峰会”在南京国际博览会议中心正式召开。

      此次“2020 LINKUP⁺ 网络安全峰会”围绕网络安全热点----零信任,聚焦通信、金融、教育、互联网、高端制造等几大行业,在网络安全政策、技术发展及创新方向等维度进行分享,共同探讨未来发展模式、产业生态和国内外竞争态势,并汇聚产业资源并推动各界在安全行业的合作与交流,促进网络安全产品和解决方案在更多领域的应用落地。
      在这里插入图片描述

      • 东南大学副校长丁辉在致辞中讲到,今天东南大学会联合易安联共同成立“网络安全联合实验室”,这个实验室的建立也表明了东南大学与易安联公司在网络空间安全领域深入合作、大力发展的决心。在这里插入图片描述
         
      • 在大会上, 南京易安联与东南大学就共建“东南大学——易安联网络安全联合实验室”项目进行签约。
        在这里插入图片描述“东南大学——易安联网络安全联合实验室”的研究重点是:
        零信任网络架构及网络攻防,包含四个重点目标:校企协同创新成果转化促进联合人才培养合作申请项目
        本次合作是教育与生产劳动相结合原理和发展实践,形成产学研各方互相促进、相得益彰的良性循环。
      • 南京易安联与东南大学共建的“东南大学——易安联网络安全联合实验室”聘请沈昌祥院士为名誉主任。
      • 此次峰会以“零信任的新安全发展”为主题,邀请到国内外网络安全行业从事者共同参与,一同学习分享网络安全新技术、新标杆、新动向及国内外前沿新趋势。

     

    三、东南大学网络空间安全学院院长

    • 东南大学网络空间安全学院院长程光在会上讲到

      • 网络安全是新基建的基础。以前,网络安全是辅助性工程,但在新基建是基础工程。新基建进一步加快网络和物理世界的融合,两者的边界将基本消失,对网络的攻击就等于对物理世界的攻击

      比如:5G远程手术遭遇网络攻击,可能会威胁到人们的生命安全;车联网遭受攻击,可能会直接造成车毁人亡。未来绝大部分的安全问题都集中在应用场景上,因此需要把安全升级作为基础设施来建设

      • 在“5G+工业互联网”的场景下,网络安全会发生三个明显的变化:
      1. 安全内涵方面,从网络与信息安全转成到了网络与生产安全
      2. 安全架构方面,从边界安全架构迁移到零信任安全架构
      3. 安全防护方面,从以基础设施为中心转变到以数据为中心
        在这里插入图片描述
      • 基于对沈昌祥院士主动免疫可信网络安全架构邬江兴院士内生安全理论吴建平院士安全可信互联网架构于全院士类生物免疫网络安全防御等解决方案的学习和理解,程光认为零信任的安全可信体系结构是解决网络空间安全问题的其中一个“卡脖子”关键核心技术。
      • 零信任架构

      一种端到端的网络安全体系
      包含身份凭据访问管理操作终端托管环境关联基础设施
      包括相关概念思路组件关系 体系结构的集合
      旨在消除信息系统和服务中实施精准访问策略的不确定性

      • 零信任架构战略核心

      身份为边界
      现代身份与访问管理技术、软件定义边界技术、微隔离技术为核心技术。

      • 在程光看来,新基建推动网络建设方向零信任解决问题的范畴一致,
        所以零信任安全架构适用于新基建
        零信任安全架构不仅可以兼容移动互联网、物联网、5G等新兴应用场景,也可兼容等级保护2.0、国密改造、自主可控、可信计算等*标准,是可预见未来的业务安全防护最佳方式。

     

    四、云安全联盟大中华区研究院副院长

    • 云安全联盟大中华区研究院副院长 贾良玉

      • 零信任不是零访问,而是从零开始更安全的访问防护资源
      • 伴随着新变化
      1. 技术(5BASICED等)
      2. 习惯(BYOD、WFX)
      3. 趋势(员工、合同工、合作伙伴)
      • 同时也迎来了新挑战
      1. 边界、远程办公;
      2. 安全与隐私保护新问题;
      3. 数字资产数字经济
      • 面对新的挑战需要新规则来应对
      1. 全新理念/战略/架构
      2. 安全的方式访问资源;
      3. 动态/自适应/持续
      4. 身份为中心、从零开始的信任
      • 构筑数字资产安全生命线,为数字经济发展保驾护航。
      • 美国,零信任成为国家级网络安全战略
        中国,零信任成为中国网络信息安全核心战略
      • 零信任是安全战略和理念,不是单一产品和技术,其理念就是——永不信任 始终验证
      • 由于“零信任”的5项原则
      1. 不做任何假定
      2. 不相信任何人
      3. 随时检查一切
      4. 防范动态威胁
      5. 做好最坏打算
      • 也带来了其6大价值
      1. 安全合规
      2. 有效控制
      3. 缓解摩擦
      4. 降低成本
      5. 降低风险
      6. 业务敏捷
      • 目前,国际上正在制定零信任标准,包括美国NIST的ZTA,其中三大技术SIM被业界广泛认可和采用;
        国内的标准也在制定中,众多厂商在大力研发相应的产品和解决方案,许多甲方也加入到推广和实施当中。

     

    五、中国电信研究院应用安全所所长

    • 中国电信研究院应用安全所所长 何国锋

    结合“零信任”的原则,在软件开发安全方面的看法。
     

    • 目前软件开发存在的问题
    1. 安全测试往往后移
    2. 开发过程中易忽视软件安全
    3. 进度与安全存在“鸿沟”
       
    • 只有越早扫描,进行缺陷分析修复的成本才会越低
      要从根源解决问题,基于源代码的缺陷分析&检测
      通过分析或检查源程序的数据流、语义、结构等来检查程序的正确性,报告源代码中可能隐藏的错误和缺陷
       

    在整个软件开发生命周期中,30%至70%的代码逻辑设计和编码缺陷是可以通过源代码审核来发现的。
    但是人工审核源代码的方式,费时费力容易遗漏
    通过工具审核源代码的方式,速度快自动可升级知识库
     

    • 技术融合软件开发安全趋势,基于大数据人工智能自动化代码审计
       
      要一直有“代码一直是有问题的”的想法,才可以在“零信任时代”建立安全的网络体系。
      零信任时代更需要安全左移,安全的代码是前提。

     

    在这里插入图片描述


     

    在这里插入图片描述

    展开全文
  • 1. 麻省理工学院计算机科学与人工智能实验室(CSAIL) 2. 卡耐基梅隆大学机器人学院(Robotics Academy) 3. 斯坦福大学的人工智能实验室(SAIL) 二、国外市场派 1. 谷歌DeepMind人工智能实验室 2. 微软Microsoft ...

    目录

    一、国外学院派

    1. 麻省理工学院计算机科学与人工智能实验室(CSAIL)

    2. 卡耐基梅隆大学机器人学院(Robotics Academy)

    3. 斯坦福大学的人工智能实验室(SAIL)

    二、国外市场派

    1. 谷歌DeepMind人工智能实验室

    2. 微软Microsoft Research AI研究院

    3. Facebook人工智能实验室

    三、国内学院派

    1. 清华大学智能技术与系统国家重点实验室

    2. 北京大学视觉与听觉信息处理国家重点实验室

    3. 浙江大学人工智能研究所

    四、国内市场派

    1. 百度研究院

    2. 阿里巴巴人工智能实验室

    3. 腾讯AI Lab



    随着科技的快速发展,人工智能领域的关注度在不断上升,越来越多的前沿学术院校和科技企业都已将目光和战略转移到了人工智能领域。此外,伴随着世界各国纷纷出台国家战略政策方针,全球巨头们对人工智能领域研究的投入正在不断增加。同时,某种程度上而言,国内外的顶级人工智能实验室代表着人工智能领域的发展方向和顶尖技术。因此了解国内外人工智能实验室的发展现状,对于想要投身人工智能行业的企业或是个人都有着极大的帮助。

     

    下面,我们将结合知名度、典型性、综合性等多种因素,以国内国外、企业院校等4个维度为标准,每个维度选取3个具有代表性的企业或院校,为大家总结国内外知名院校及企业的人工智能实验室现状,以及他们的就职以及实习(录取)申请要求,以下排名不分先后,仅供各位参考。

     

    一、国外学院派

     

    1. 麻省理工学院计算机科学与人工智能实验室(CSAIL)

     

    CSAIL的创办最早可以追溯至1959年,LISP编程语言发明人及“人工智能”一词的发明人约翰·麦卡锡同人工神经网络研究专家马文·明斯基一同创办了麻省理工学院人工智能项目。2003年,MIT将计算机科学研究和人工智能实验室合并。目前,CSAIL是麻省理工学院最大的实验室,在人工智能研究方向主要涉及脑和认知科学。

     

    研究方向:人工智能,寻求理解和发展使人与机器都能便于理解的推理、感知和行为的人工系统;系统,从软硬件两方面寻求拥有新的原则;模型,指标的电脑系统;理论,寻求对数学在计算中的广泛性、实时性。

     

    入职及实习(录取)建议:本科成绩要求比较优秀,科研经历也要求足够丰富,同时需要准备好已发表的论文资料,以及一封推荐信。对于研究经历及学术成果不太丰富的人群而言,一封高质量的行业大牛推荐信是一个很加分的项目。

     

    2. 卡耐基梅隆大学机器人学院(Robotics Academy)

     

    美国卡耐基梅隆大学是世界上第一所专门开设机器人系的大学,机器人学院隶属于卡耐基梅隆大学,前身是成立于1979年的机器人研究所。研究注重理论与实践经验结合,目标是成为全球研究机器人最好的地方。

     

    研究方向:作为NASA航空航天科研任务的主要承制单位之一,卡耐基梅隆大学机器人学院在自动驾驶、月球探测步行机器人、单轮陀螺式滚动探测机器人的研究上成绩非凡。目前,该学院以ROBOTC平台为基础,已发布近20门教育机器人相关课程,构成了覆盖K12到大学阶段的课程体系。

     

    入职及实习(录取)建议:本科申请要求:卡内基梅隆大学要求英语非母语的国家的申请者提供托福考试(TOEFL)成绩或者雅思考试(IELTS)成绩;SAT/ACT考试成绩:大部分专业要求递交2门SAT II考试成绩。新SAT单项成绩要求:阅读与写作710-770,其中阅读35-39,数学750-800;ACT均分范围31-34。研究生申请要求:计算机科学、生物科学类专业TOEFL要求不低于100分,工程类专业要求不低于84分;IELTS要求多在7.0以上。所有的申请者均需要通过Common Application美国大学申请系统进行申请;提供标准化考试成绩,同时部分学院要求申请者提供SAT Sub成绩;教师推荐信;申请文书以及个人称述等材料。

     

    3. 斯坦福大学的人工智能实验室(SAIL)

     

    斯坦福大学的人工智能实验室(SAIL)成立于1962年,一直致力于推动机器人教育。并且,该校在网上公开了许多他们有关机器人和深度学习的课程。在斯坦福,人工智能方面的课程非常全面,且非常前沿。

     

    研究方向:计算生物学、语音识别和机器学习等。另外,国内目前知名度非常高的吴恩达、李飞飞都是斯坦福大学教授。李飞飞参与建立了著名的ImageNet计算机视觉识别数据库及挑战赛,每年都会吸引各大公司的图像识别程序的参加,极大促进了图像识别领域的技术发展。

     

    入职及实习(录取)建议:最主要的申请材料为之前的研究经历。申请者需要提供包括之前做过什么成功的研究、发表的论文(是否为第一作者和发表所属期刊、会议的声望)等材料,这些都将有助于其进入实验室实习。同时,一封权威人士写的推荐信也极其重要,如果申请者曾获得一位受人尊敬教授的高度评价,那么就有极大的可能获得实习录取。

     

    二、国外市场派

     

    1. 谷歌DeepMind人工智能实验室

     

    DeepMind原是一家英国的人工智能公司,由人工智能研究者兼神经科学家Demis Hassabis等人联合创立,2014年被谷歌收购,举世闻名的AlphaGo就是这家公司的成果。据哈撒比斯的描述,DeepMind的总目标是“攻克智能领域的难题”。这促使公司不断研发多功能的、能够像人类那样广泛和高效思考的“通用型”人工智能。

     

    研究方向:将机器学习和系统神经科学的最先进技术结合起来,建立强大的通用学习算法,打造能通过与周围环境互动学习优化自己行为,通过不断试错改善自我、反应灵敏、能有效学习的AI。

     

    入职及实习(录取)建议:DeepMind聘请的都是研发科学家、研发工程师以及纯粹的软件工程师。如果申请者希望作为一个研发科学家加入 DeepMind,必须拥有一个PhD学位,最好还有几年机器学习研究经历,以及在学术界或工业研究实验室的丰富经验。如果申请者想作为研发工程师加入(依然是研发领域,但是比起理论更具有应用性),依然至少需要有硕士学位,还有大量的机器学习研究相关的经验。

     

    2. 微软Microsoft Research AI研究院

     

    微软早在1991年便创立微软研究院。2014年,微软联合创始人保罗·艾伦与他人又共同创立了艾伦人工智能研究院。据了解,Microsoft Research AI研究院共分为十三个研究小组,共近百位人工智能领域的科学家将集中在此。这些小组包括自适应系统和互动组、空中信息和机器人组、会话系统组、深度学习组、信息和数据科学组、知识技术组、语言和信息技术组、机器学习和优化组、机器教学组、自然语言处理组、感知和互动组、生产力组、强化学习组。

     

    研究方向:人机交互、人机对话、机器学习和思想感知、不确定决策在机器人平台上产生各种挑战、合成算法和系统应用、自然语言处理、马尔可夫决策过程和上下文决策过程的泛化等。

     

    入职及实习(录取)建议:申请者如果想进入MSAI研究院实习,必须准备一份英文简历,建议措辞不需要太过华丽,简单明了最好。重点需要突出自己的编程能力和相关项目经验,如果有相关行业知名人士的推荐信可以附上。可能会面临四轮电话面试,基本都是询问和考察技术面,除了基础问题就是问一些关于项目相关的问题。以即兴提问为主,在回答的过程中,申请者可以尽可能展示自己对于相关技术知识的熟稔程度,这样有助于被最终录取。

     

    3. Facebook人工智能实验室

     

    2013年12月,Facebook正式成立人工智能实验室。该实验室在人工智能和机器学习领域的理念是:保持开放。Facebook 最出名的有两大人工智能实验室,一个名FAIR(Facebook’s Artificial Intelligence Research),由著名人工智能学者、纽约大学教授Yann LeCun 领导,另一个名为AML(Applied Machine Learning),由机器学习领域专家Joaquin Candela 领导。

     

    研究方向:主要致力于基础科学和长期项目的研究,以及找到将人工智能和机器学习领域的研究成果应用到Facebook 现有产品里的方法。

     

    入职及实习(录取)建议:Facebook已经开始与部分中国大学合作,比如清华和上海交大,采取同美国、法国等地相同的合作模式。如果申请者想获得进入Facebook人工智能实验室的机会,可以首先参与自己大学人工智能领域的相关项目。Facebook会关注大学的科研项目,寻找他们感兴趣的领域,并且找到做那些研究的学生,给他们提供实习的机会。同样,申请者也可以主动递交实习申请,最重要的就是之前的研究经历,论文发表情况,以及一封高质量的推荐信。

     

    三、国内学院派

     

    1. 清华大学智能技术与系统国家重点实验室

     

    清华大学智能技术与系统国家重点实验室于1987年7月开始筹建,1990年2月通过国家验收,并正式对外开放运行。实验室由中心实验室(智能技术与系统)和三个分室(智能信号处理、智能图形图像处理、人机交互与媒体集成)组成,分别设立在清华大学计算机科学与技术系、自动化系和电子工程系。

     

    研究方向:认知过程与智能信息处理的交叉与结合研究;基于内容的海量信息处理理论与方法,特别是针对信息安全、信息检索、信息挖掘等研究具体的算法及应用;面向动态过程的机器学习理论与方法;智能信息处理与控制理论在移动机器人与智能车、类人机器人、无人飞机、空间机器人等系统中的应用理论与技术;智能图文信息处理,包括各种文字识别、文档识别和理解等方面。

     

    入职及实习(录取)建议:首先需要申请者是计算机、通讯、电子及相关专业在读研究生或者本科高年级学生;其次,需要在本科阶段学习过算法与数据结构、软件理论基础等相关课程,并取得优良的成绩;此外还需要申请者了解图像识别、深度学习、人工智能、机器学习等相关技术,善于快速学习新知识,有实际项目经验者会被优先考虑。在计算机语言上,需要精通Java/Python等编程语言,有较强的快速编程能力,熟悉Windows/Linux操作系统,并且对算法研发有强烈的兴趣。

     

    2. 北京大学视觉与听觉信息处理国家重点实验室

     

    北京大学视觉与听觉信息处理国家重点实验室1988年正式通过国家验收,是北京大学建立的第一个国家重点实验室。实验室以实现高度智能化的机器感知系统为目标,紧密结合国民经济和社会发展的需要,在机器视觉与听觉信息处理领域开展具有多学科交叉性质的基础与应用基础研究,同时注重以原创性的研究成果推动技术创新,实现科技成果转化。

     

    研究方向:在机器视觉领域、机器听觉领域、智能信息系统领域开展生物特征识别与信息安全、图像处理、智能人机交互、语音语言信息处理系统、人工神经网络及机器学习等研究以及视觉与听觉的神经计算模型和生理心理基础研究等。

     

    入职及实习(录取)建议:首先需要申请者是计算机、数学等相关专业在读学生;其次需要拥有扎实的数据结构和算法基础,熟悉C/Python等常用编程语言及脚本语言;拥有有一定的计算机视觉理论学习基础,熟悉常见的深度学习框架;如果有相关的实际项目经验,将是一个极大的加分项目。

     

    3. 浙江大学人工智能研究所

     

    浙江大学在人工智能方面有着肥沃的土壤,其计算机学院下设的人工智能研究所是中国设立最早的人工智能研究机构之一。早在上世纪80年代,浙江大学就建立了人工智能研究所。从1981年至今,浙大人工智能研究所见证和参与了人工智能的一系列变化。到现在,人工智能进入大数据阶段,浙大在计算机视觉领域已经建立了相当大的优势。

     

    研究方向:跨媒体智能、混合增强智能、大数据、机器学习、人工智能理论、计算机图形学、多媒体、数据挖掘等领域。

     

    入职及实习(录取)建议:浙江大学人工智能研究所目前暂不对外招生,建议申请者最好考入浙江大学计算机、电子及相关专业在读。其次需要拥有扎实的数据结构和算法基础,熟悉一些常用编程语言及脚本语言。如果有相关的实际项目经验,将有极大的可能被录取。

     

    四、国内市场派

     

    1. 百度研究院

     

    百度研究院隶属于百度AI技术平台体系(AIG),下设五大实验室:分别是深度学习实验室(IDL)、大数据实验室(BDL)、硅谷人工智能实验室(SVAIL)、商业智能实验室(BIL)、机器人与自动驾驶实验室(RAL)。目前,百度研究院拥有了包括院长王海峰,以及徐伟、李平、杨睿刚,和新加盟的Ward Church、浣军、熊辉等七位世界级科学家的阵容。

     

    研究方向:商业智能实验室主要关注用于新型数据密集型应用的高效数据分析技术,机器人与自动驾驶实验室则重点关注机器人技术,以及百度在自动驾驶领域技术的推进。

     

    入职及实习(录取)建议:需要申请者熟悉基本的数据结构与算法,熟练运用python编程以及tensorflow等深度学习工具。关注并了解机器学习算法,自然语言理解,知识图谱,图像与视觉等领域的现状与最新进展,并在其中一个领域有实践经验,并保持对前沿的深刻理解。同时具备良好的数学基础,熟悉线性代数、概率与统计、数值优化等,熟悉常见机器学习算法。有人工智能各领域的相关研究经验,有高水平论文发表者,会被优先考虑。

     

    2. 阿里巴巴人工智能实验室

     

    阿里巴巴人工智能实验室于2016年成立,于2017年7月5日首次公开亮相,该机构负责阿里巴巴集团旗下消费级AI产品的研发。当前已孵化出天猫精灵个人助手等产品。实验室的使命是让机器拥有智能,让人性充满光辉,将基于阿里巴巴强大消费者沟通渠道和完善的服务生态,立志成为下一代人机交互入口。

     

    研究方向:语音交互、自然语言理解、数据挖掘和知识图谱、用户画像和个性化推荐。工业设计,致力于人工智能硬件产品、机器人的创新工业设计,通过人机交互、产品形态、材料工艺等领域的研究,探索未来智能硬件、机器人的新方式。智能制造,基于人工智能技术的新一代硬件研发与制造,如硬件芯片和模组研究,并提供边缘计算和云端结合的解决方案。机器人技术,从事智能机器人相关的技术研究,包括:实时定位、环境建模、传感器融合、目标检测、场景分割、路径规划、运动控制、故障检测、多机器人系统等方向。

     

    入职及实习(录取)建议:需要申请者是计算机、数学等相关专业在读博士硕士。其次是需要熟悉深度学习、自然语言理解等相关领域技术和应用,有大量实践经验者优先;有科研能力并有成果发表在国际顶级会议、期刊者优先;极佳的工程实现能力,熟练掌握C/C 、Java、Python等至少一门语言;良好的数据分析能力和逻辑分析能力。

     

    3. 腾讯AI Lab

     

    腾讯AI Lab作为企业级AI实验室,依托腾讯丰富应用场景、海量大数据、强大计算能力和一流科技人才,专注于AI基础研究和应用探索的结合。目前已打造出围棋AI“绝艺”,技术也被微信、QQ、天天快报和QQ音乐等上百个腾讯产品使用。团队有70余位来自世界知名院校的科学家,及300多位经验丰富的应用工程师组成,由机器学习和大数据领域专家张潼博士,及语音识别及深度学习专家俞栋博士,并与世界顶级院校与机构合作,共同打造“产学研用一体”的AI生态。

     

    研究方向:基础研究方向包括计算机视觉、语音识别、自然语言处理和机器学习,应用探索需要结合腾讯场景与业务优势,包括内容、游戏、社交和平台工具型等AI四类。

     

    入职及实习(录取)建议:需要申请者是计算机、人工智能等相关专业的博士;熟悉自然语言处理、对话系统和机器学习等领域,有相关的的项目或研究经验优先;有良好的文献检索及前沿问题探索能力及创造力;熟悉python或c/c++编程及深度学习框架。

     

    国内外市场派和国内外学院派最主要的区别在于:学院派注重以理论研究为主要方向,对于人工智能的实用性相关关注度偏弱,而市场派主要是以人工智能前沿技术市场转化研究为主要方向,对于人工智能相关理论进一步研究则相对没有学院派深厚;另一方面,市场派的薪资待遇相对较好,但准入门槛相对较高,绝大部分都需要有一定的项目经验,或者拥有相关的科研成果发表。而学院派则相对门槛较低,但薪资待遇没有市场派高,但是可以跟随导师获取项目研究经验,增强相关理论知识基础,接触人工智能尖端学术研究成果。

     

    总体而言,国内外企业及学院人工智能实验室各有优劣,如果你想要尽快将人工智能相关理论市场化、成果化,同时获取丰厚报酬,建议你选择市场派,而如果觉得自己需要更多的理论知识学习,希望获取尖端的学术研究,以便自身的进步,则可以选择去学院派。总之,大家根据自身需求,各取所需。

    展开全文
  • 目录 SLAM领域著名实验室 1. 苏黎世联邦理工学院 2. 明尼苏达大学 3. 慕尼黑工业大学 4. 香港科技大学 ...7. 中科院自动化研究所...8. 清华大学自动化系宽带网络与数字媒体实验室BBNC 9 加拿大谢布鲁克大学Int...
  • 华为公司不仅是会议的铂金赞助商,其下属的诺亚方舟实验室更是在本届大会上发表(或联合发表)了27篇论文。这些,都充分展现了华为公司回馈学界和与学界共同成长的战略和决心。 华为诺亚的27篇论文,涉及计算机视觉...
  • 2012实验室的主要研究的方向一代通信、云计算、音频视频分析、数据挖掘、机器学习等。主要面向的是未来5-10年的发展方向。华为官方数据显示,2015年,华为研发投入为596亿元人民币,占2015年销售收...
  • 华为实验室

    千次阅读 2014-10-20 23:29:21
    如此成就和至高无上的荣誉地位,其成功更是与实验室无数个日夜的技术钻研有着分不开的关系。  关注过华为的朋友想必听说过“2012实验室”。据称,该实验室的名字来自于任正非在观看《2012》电影之后的感谢,他认为...
  • 2019年秋季学期实验室安全考试2

    万次阅读 2019-11-22 11:14:52
    2019年秋季学期实验室安全考试2 • 学号: 分数:97.0 考试时间:2019-11-22 10:10 1、[判断题] 漏电保护器对两相触电(人体双手触及两相电源),不起保护作用。 (分值1.0) 你的答案: 正确 2、[判断题] 早晨、...
  • 【粤嵌教育讯】近日,粤嵌实验室传来了喜讯,一款集多种功能于一体的无线智能小车已研发成功,将作为粤嵌实验室新一代产品隆重推出并上线。 (无线智能小车)  据介绍,粤嵌实验室设计的这款无线智能小车具有...
  • 在该会议上,腾讯集团高级执行副总裁、SNG总裁汤道生表示,SNG正大力布局人工智能,组建由优图实验室、音视频实验室和(正在筹建的)量子实验室三大实验室。 据了解,SNG包括QQ等产品,同时也孵化了全民K歌、天天P...
  • 用户对不同的产品有不同程度的期待:比如理想网络环境下,能不能在27寸显示器上看到毛发清晰可见的高清视频?使用3G等弱网环境时,视频通话能不能保证画面不频繁卡死? 对业务提供方来说,所有问题都可以归结为一个...
  • 华科实验室信息汇总:

    千次阅读 2019-10-19 18:50:49
    本人2019年参加夏令营,以下内容为期间听报告会自己手记,可能不全,如果想要具体了解老师、了解实验室,建议去查阅论文、查阅国家重点基金项目。 ①智能与分布计算实验室 目前只有三位老师能带研究生 李瑞轩:...
  • 来源:模式识别国家重点实验室【导读】脑是人体最为复杂的器官,脑图谱是理解脑的结构和功能的基石。它为探索复杂的脑部结构和异常变化进行"导航"。因此,脑图谱绘制一直以来都是神...
  • 2019年秋季学期实验室安全考试1

    万次阅读 2019-11-22 11:13:59
    2019年秋季学期实验室安全考试1 • 学号: 分数:80.0 考试时间:2019-11-22 09:09 1、[判断题] 连接电气设备的开关需安装在火线上。 (分值1.0) 你的答案: 正确 2、[判断题] 从自己的实际情况出发,锻炼要循序渐...
  • 大数据实验室建设方案

    千次阅读 2020-03-13 11:30:25
    大数据实验室建设方案 北京红亚华宇科技有限公司 二零二零年 ...
  • 哈工大计算机学院实验室的情况介绍

    万次阅读 热门讨论 2017-08-29 23:42:06
    因为在读研究生的时候你如果想进行学术上的深造,那么选对实验室,选对老师都特别的重要。然后郑重声明,我只是描述我个人查资料以及跟各位老师接触所得出的信息,仅代表个人意见,只是站在学生的角度帮助各位学弟...
  • 人工智能研究院(企业) ...Google X,是谷歌公司最神秘的一个部门,位于美国旧金山的一处秘密地点,该实验室的机密程度堪比CIA,仅少数几位谷歌高层掌握情况,在其中工作的人,都是谷歌从其他高科技...
  • 读《任正非在2012实验室的讲话》先把总结放到最前面(以便没有耐心者先把最干货很快吸收到)一、关于持续投入与经费问题:1、加大基础研究投资,持续投入,不动摇2、让有战略的人走到管理岗位,让一线的人来申请经费...
  • Three-column CNN模型通过同时处理立体图像中包含的平面图像信息...模式识别领域国际权威期刊《Pattern Recognition》在2016年1月发表了山东大学视觉传感与智能系统实验室与华为诺亚方舟实验室的研究成果《Learning...
  • 世界著名实验室简介

    千次阅读 2015-05-27 13:40:34
    实验室是科学的摇篮,是科学研究的基地,对科技发展起着十分重要的作用。在国际上享有盛誉的著名实验室更被喻为科研领域的麦加,是科技工作者向往和追随的地方。这些实验室往往代表了世界前沿基础研究的最高水平,...
  • 实验室安全教育

    千次阅读 2020-04-14 22:40:21
    (分值1.0) 你的答案: 正确 50、[判断题] 实验室禁止私拉乱接电线,实验过程中自制非标设备时,应报请实验室管理人员批准,然后请电气专业人员按照标准安全的连接。 (分值1.0) 你的答案: 正确 51、[判断题] ...
  • 国内外顶尖人工智能实验室

    千次阅读 2019-03-01 22:12:17
    随着科技的快速发展,人工智能领域的关注度在不断上升,越来越多的前沿学术院校和科技企业都已将目光和战略转移到了人工智能领域,国内外的顶级人工智能实验室代表着人工智能领域的发展方向和顶尖技术。因此了解国...
  • 记一次实验室面试

    千次阅读 2017-09-11 18:36:48
    心疼,第一次实验室面试以失败告终。  面试的实验室是可穿戴与移动计算实验组,招收两名工程型和一名科研型学生,工程型其实就是偏软件工程师,主要是实现软硬件的交互,例如该实验室和腾讯合作的一个项目,如何在...
  • 9月6日,之江实验室在杭州举办成立大会。这一新型科研机构由浙江省政府、...按照规划,之江实验室将在未来网络计算和系统、泛化人工智能、泛在信息安全、无障感知互联、智能制造技术等五大方向,开展重大前沿基础...
  • 本文转自诺亚实验室实验室简介 诺亚方舟实验室(Noah's Ark Lab)是华为公司从事人工智能基础研究的实验室,秉持理论研究与应用创新并重的理念,致力于推动人工...
  • 浙大计算机实验室详细推介

    万次阅读 2014-08-02 12:58:19
    实验室方向介绍】(详情见帖子最后所附表格) 1. CAD&CG  主要从事计算机图形、计算机视觉与图像处理、人机交互、可视化、虚拟现实等领域的基础理论、算法、关键技术与应用系统等方面的研究。在光照明模型、...
  • 2020年实验室安全准入考试

    千次阅读 2020-11-18 16:32:55
    3、[判断题] 实验室内出现火情逃到室外走廊时,要尽量做到随手关门,这样一来可阻挡火势随人运动而迅速蔓延,增加逃生的有效时间。 (分值1.0) 你的答案: 正确 4、[判断题] 仪器设备用电或线路发生故障着火时,应...
  • 浙大计算机各个实验室 详细介绍(持续更新)

    万次阅读 多人点赞 2018-04-08 14:25:43
    绝对大牛级别的实验室 主要从事计算机图形、计算机视觉与图像处理、人机交互、可视化、虚拟现实等领域的基础理论、算法、关键技术与应用系统等方面的研究。在光照明模型、曲面环境的辐射度算法、实时图形绘制技术、...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 46,134
精华内容 18,453
关键字:

网络方向的新实验室