平行视觉的基本框架与关键算法

目的 随着计算机与人工智能的快速发展,视觉感知技术突飞猛进。然而,以深度学习为主的视觉感知方法依赖于大规模多样性的数据集,因此,本文提出了基于平行学习的视觉分析框架——平行视觉,它通过大量精细标注的人工图像来给视觉算法补充足够的图像数据,从而将计算机变成计算智能的“实验室”。方法 首先人工图像系统模拟实际图像中可能出现的成像条件,利用系统内部参数自动得到标注信息,获取符合要求的人工图像数据;然后使用预测学习设计视觉感知模型,利用计算实验方法在人工图像系统生成的大量图像数据上进行各种实验,方便地研究复杂环境条件等困难场景对视觉感知模型的影响,使一些实际中的不可控因素转变为可控因素,增加视觉模型的可解释性;最后通过指示学习反馈优化模型参数,利用视觉感知模型在实际场景下存在的困难来指导其在人工场景的训练,以实际与人工虚实互动的方式,在线学习和优化视觉感知模型。由于已经有大量研究人员致力于构建人工场景并生成大量虚拟图像,因此本文采用已构建的这些人工场景图像,并对实际场景图像进行翻转、裁剪、缩放等数据扩充,然后以计算实验和预测学习为重点,开展了相关的应用实例研究。结果 在SYNTHIA（synthetic collection of imagery and annotations）,Virtual KITTI（Karlsruhe Institute of Technology and Toyota Technological Institute）和VIPER（visual perception benchmark）数据集上进行的大量实验表明,本文方法能够有效地克服数据集分布差异对模型泛化能力的影响,性能优于同期最好的方法,比如在SYNTHIA数据集上检测和分割性能分别提升了3.8%和2.7%。结论 平行视觉是视觉计算领域的一个重要研究方向,通过与深度学习的结合,将推动越来越多的智能视觉系统发展成熟并走向应用。     

平行图像:图像生成的一个新型理论框架*

为了提高计算机视觉系统的泛化能力,要求利用大规模、多样化、带标注的图像数据集,对视觉模型进行充分的学习与评估.由于从实际场景中获取图像具有局限性,文中提出一种图像生成理论框架,称为平行图像.平行图像的核心单元是软件定义的人工图像系统.从实际场景中获取特定的图像“小数据”,输入人工图像系统,生成大量新的人工图像数据.文中总结平行图像的实现方法,包括图形渲染、图像风格迁移、生成式模型等,并且对比分析人工图像和实际图像的特点,讨论领域适应策略.     

平行高特:基于ACP的平行痛风诊疗系统框架*

为了解决复杂环境中痛风诊疗的精准决策难题,突破不同医生业务水平对于痛风诊疗的局限,提高痛风诊断的准确率和治疗的有效性,文中提出基于ACP理论的平行痛风诊疗系统框架,称为“平行高特(Gout)”.平行高特通过构建人工痛风诊疗系统以模拟和表示实际痛风诊疗系统,运用计算实验进行各种痛风诊疗模型的训练与评估,借助平行执行对实际痛风诊疗系统进行管理决策与实时优化,实现痛风诊疗过程的自动化与智能化.该平行的诊疗过程可以帮助医生减少误诊误治,提高效率,提升水平,同时也能帮助患者做好慢病管理,远离疾病.考虑到痛风病在当前社会的严重程度,平行高特在痛风诊疗中的应用具有重要的实际意义,是传统医疗模式走向智慧化、平行化的有效途径和自然选择,有利于推进健康中国建设,实现更高水平的全民健康.     

面向智能驾驶的平行视觉感知：基本概念、框架与应用

目的 视觉感知技术是智能车系统中的一项关键技术,但是在复杂挑战下如何有效提高视觉性能已经成为智能驾驶领域的重要研究内容。本文将人工社会（artificial societies）、计算实验（computational experiments）和平行执行（parallel execution）构成的ACP方法引入智能驾驶的视觉感知领域,提出了面向智能驾驶的平行视觉感知,解决了视觉模型合理训练和评估问题,有助于智能驾驶进一步走向实际应用。方法 平行视觉感知通过人工子系统组合来模拟实际驾驶场景,构建人工驾驶场景使之成为智能车视觉感知的“计算实验室”;借助计算实验两种操作模式完成视觉模型训练与评估;最后采用平行执行动态优化视觉模型,保障智能驾驶对复杂挑战的感知与理解长期有效。结果 实验表明,目标检测的训练阶段虚实混合数据最高精度可达60.9%,比单纯用KPC（包括：KITTI（Karlsruhe Institute of Technology and Toyota Technological Institute）,PASCAL VOC（pattern analysis,statistical modelling and computational learning visual object classes）和MS COCO（Microsoft common objects in context））数据和虚拟数据分别高出17.9%和5.3%;在评估阶段相较于基准数据,常规任务（-30°且垂直移动）平均精度下降11.3%,环境任务（雾天）平均精度下降21.0%,困难任务（所有挑战）平均精度下降33.7%。结论 本文为智能驾驶设计和实施了在实际驾驶场景难以甚至无法进行的视觉计算实验,对复杂视觉挑战进行分析和评估,具备加强智能车在行驶过程中感知和理解周围场景的意义。     

平行车联网:基于ACP的智能车辆网联管理与控制

本文将平行智能方法引入智能车辆的网联化管理与控制, 提出平行车联网的概念、框架、功能与流程.平行车联网致力于通过人工车联网与物理车联网的虚实互动、协同演化与闭环反馈, 为人-车-路-智能交通信息网一体化的智能交通系统增加计算实验与平行引导的功能, 实现描述、预测与引导相结合的车联网智能, 有效解决异构、移动、融合的交通网络环境下智能车辆的管理与控制问题.     

平行学习——机器学习的一个新型理论框架

本文提出了一种新的机器学习理论框架.该框架结合了现有多种机器学习理论框架的优点,并针对如何使用软件定义的人工系统从大数据提取有效数据,如何结合预测学习和集成学习,以及如何利用默顿定律进行指示学习等目前机器学习领域面临的重要问题进行了特别设计.     

平行视觉框架下深度卷积神经网络可视化分析

深度学习方法在计算机视觉领域取得了很大的发展,多种深度卷积神经网络在实际的目标检测中取得了很好的应用效果,但均存在网络可解释性较差的问题。通过将特征图反向映射到输入图像的像素空间,来对网络的特征图进行可视化分析;在平行视觉研究框架下,分别采用真实和人工绝缘子图像样本来分析网络的特征响应,最后依据可视化结果对网络参数进行调整。研究结果表明,人工图像中绝缘子的占比、角度和位置对网络的特征响应和分类正确率均有不同程度的影响,根据真实和人工绝缘子图像的特征图可视化结果来对网络的结构和参数进行调整,能够较好地提升网络的性能。     

平行视觉:基于ACP的智能视觉计算方法

在视觉计算研究中,对复杂环境的适应能力通常决定了算法能否实际应用,已经成为该领域的研究焦点之一.由人工社会（Artificial societies）、计算实验（Computational experiments）、平行执行（Parallel execution）构成的ACP理论在复杂系统建模与调控中发挥着重要作用.本文将ACP理论引入智能视觉计算领域,提出平行视觉的基本框架与关键技术.平行视觉利用人工场景来模拟和表示复杂挑战的实际场景,通过计算实验进行各种视觉模型的训练与评估,最后借助平行执行来在线优化视觉系统,实现对复杂环境的智能感知与理解.这一虚实互动的视觉计算方法结合了计算机图形学、虚拟现实、机器学习、知识自动化等技术,是视觉系统走向应用的有效途径和自然选择.     

可视分析增强的平行智能交通系统框架

随着人工智能2.0时代的到来,可视分析方法作为一种重要的人机耦合方法受到越发广泛的关注.其是大数据分析的利器,也是理解数据的"导航仪",能够有效地将三元空间结构(CPH)中的数据转换为知识系统中的服务与决策,从而进一步提升交通系统智能化水平.为此,提出人工交通系统、计算实验和平行执行相融合的平行智能交通系统,为智能交通...     

平行胃肠:基于ACP的智能胃肠疾病诊疗

胃肠道为人体重要消化器官,胃肠疾病常见且病因复杂.为了推动胃肠疾病诊疗的智能化、精准化发展,有效传承医生的经验丰富,文中提出基于ACP理论的平行胃肠诊疗系统框架.ACP理论为平行智能的核心,由人工社会(Artificial Societies)、计算实验(Computational Experiments)、平行执行(Parallel Execution)三部分构成.在平行胃肠诊疗系统中,构建人工胃肠道(A)模拟胃肠疾病实际诊疗情况,运用计算实验(C)在人工胃肠平台上进行各类胃肠疾病诊疗实验并评估最佳诊疗方案,最终借助平行执行(P)实时地对实际胃肠诊疗进行导引,持续更新人工胃肠系统并优化诊疗方案,实现虚拟诊疗和实际诊疗之间的虚实互动.整个系统框架的构建融合知识图谱、深度学习、虚拟现实/增强现实、知识自动化等多种前沿技术,致力于优化胃肠疾病诊疗,推进健康中国建设.     

网络并行计算的一种新架构

通常的网络编程对一般人来讲是一种艰难的工作，用户任务的分解、分配，以及在子任务间的交互等问题都需要具有高超的技巧。而在网络并行计算的一种新架构中，用户只需提交数据和对它们的操作即可，而让系统在运行用户任务时处理上述难点，这无疑是网络并行计算方法发展的有益尝试。     

平行手术:基于ACP的智能手术计算方法*

由人工社会(Artificial Societies)、计算实验(Computational Experiments)、平行执行(Parallel Execution)构成的ACP理论在平行智能和复杂系统建模与调控中发挥重要作用.文中将ACP理论引入到医疗手术领域中,提出平行手术的基本框架及相关流程.在平行手术中,采用人工场景模拟医生和患者情况,表征真实复杂的手术场景.在此基础上,采用计算试验的方法试验和评估手术方案,选择最佳方案.最后通过虚实互动的平行执行功能在线优化手术方案,实时地对手术进行智能预测与导引.整个框架结合规则提取、计算机图形学、虚拟现实/增强现实、机器学习、知识自动化等技术,力图有效提高手术的效率和准确性.     

网络并行计算平台新架构*

网络并行计算的编程要求设计者对任务的分解、分配及子任务间的交互等问题有更高的技术。给出了在网络并行计算的一种新平台,用户只需提交数据和对它的操作即可。     

基于规范划分集的并行循环编译框架

1 引言并行循环描述大多数先进科学应用的核心部分,是颇有价值的并行性来源。高级并行语言往往提供专门指导语句表达并行循环,以便并行编译器利用并行循环的非数据相关特性。在数据并行程序设计语言HPF中规定,可以将关键词INDEPENDENT加在Do循环前面,指出其后的Do循环是一个并行循环。与之相关的编译实现也成为HPF编译器的一个重点。并行循环L可以严格定义如下:假设R(i)表示迭代i所     

在流水线结构上的基于Shear-Wrap的并行体数据绘制算法

在以前的基于目标空间划分的并行体数据绘制算法中，局部绘制和图象融合是两个串行的过程，在节点机的局部绘制阶段几乎没有数据通讯，但在数据融合阶段数据通讯量非常大，出现总线争用甚至通讯阻塞，而且在这个阶段有非常大的同步开销。本文利用流水线结构，让局部体数据绘制和图象融合并行执行，很好地解决了上述缺点。并在一个基于微机的流水线结构上实现了一个新的基于目标空间划分的并行体数据绘制算法。     

面向SW26010众核CPU的任务并行调度系统SWAN及其在若干嵌套并行算法中的应用

任务并行是并行程序设计的基础设计模式.但由于算法本身的复杂性及目标平台的特殊性,设计实现高效率的任务并行程序对程序员来说往往充满挑战.基于新兴的SW26010众核CPU,本文提出支持任务嵌套并行模式的通用运行时框架SWAN.SWAN对任务并行程序的实现提供了高层次的抽象,使程序员能够专注于算法逻辑本身而提高开发效率.在性能方面,SWAN框架对诸多共享资源进行了细粒度的划分,从而有效地避免了众多线程间对共享资源的高强度争用.本文还充分利用平台的高速访存机制,高速可控缓存和原子操作等特性,对SWAN框架的核心数据结构进行优化设计以降低其本身的性能开销.另外,SWAN还具备动态负载均衡能力使得各个处理器核心的资源得以充分利用.本文基于SWAN框架在目标平台上实现了若干典型的具有递归特性的嵌套并行算法,包括N-皇后问题,二叉树遍历,快速排序和凸包求解.实验表明,这些通过使用SWAN框架得以并行化的算法相对其串行版本取得了4.5至32倍的加速,充分说明了SWAN框架具有较高的实用性及性能.     

平行哲学与智能科学:从莱布尼茨的Monad到区块链之DAO

本文从新的角度回顾科学和哲学的本源,认为需要以新的思想发展人工智能和智能技术及其相应的智慧社会.围绕卡尔·波普尔的三个交织世界的现实观,提出面向描述知识、预测知识和引导知识的平行哲学理念,使关于智能的哲学之研究对象从Being,Becoming到Believing,并讨论结合区块链DAO技术与范畴数学理论的可能实施途径.