西工大新闻网6月29日电（姜志宇）近期，我校光电与智能研究院（iOPEN）在人工智能领域顶级期刊IEEE T-PAMI的同一期上发表3篇文章，文章所有作者均唯一署名为西北工业大学。IEEE T-PAMI，全称为IEEE Transactions on Pattern Analysis and Machine Intelligence，是IEEE所有汇刊中影响力最高的期刊，在CCF人工智能领域A类推荐期刊、谷歌学术影响力期刊（计算机视觉和模式识别领域）以及AMiner人工智能与模式识别类期刊排名中均位列第一。

王琦教授牵头发表的论文“NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization”主要聚焦人工智能领域的群体分析。国家“十四五”规划中对智慧城市发展提出了明确规划，随着城市化进程的不断加快、人类公共活动的逐渐增加，所引起的群体安全事件时有发生，如何通过人工智能技术对公共群体事件进行预判及发现变得尤为重要。该研究关注视觉人群密度估计和个体定位任务，构建了大规模高密度人群场景数据集，统一了领域评价标准，搭建了统一的算法评估平台，并深入分析了当前人群模型在面对大规模数据和高密度人群场景的表现，推动了群体分析领域的进一步发展。

图1群体分析在线算法评估平台

聂飞平教授牵头发表的论文“Towards Robust Discriminative Projections Learning via Non-Greedy L2,1-Norm MinMax”主要聚焦人工智能领域中的高维数据分析。该研究首次提出一种基于迹比值形式的鲁棒判别分析模型，利用L2,1范数度量数据点之间距离，有效弱化了离群点对数据整体分布估计的影响。该工作还设计了新颖的非贪婪式交替迭代优化算法，能够同时求出所有高维空间投影向量，避免模型陷入局部最优解，进一步提升所学低维表征的判别能力。该研究对于城市监控、视频异常检测、军事信息化等领域有着重要的研究价值。

图2基于最优权重加权方法在人脸数据上的视觉效果

张睿副教授牵头发表的论文“Robust Multi-Task Learning With Flexible Manifold Constraint”主要针对人工智能领域的多任务学习展开研究。该研究首次将复杂的多任务学习模型转化为一种简洁的数学形式，提出将流形结构（Flexible Manifold，灵活流形）挖掘引入到多任务学习中。相较于传统方法，该方法充分挖掘了数据间的拓扑关系，并利用灵活流形的特点，极大增强了模型的表示能力并保证了模型求解的高效性，防止引入流形常常导致的模型退化和低效率等问题。该方法在实际场景中也表现出了优越的抗噪能力，可在智慧教育、智慧城市等焦点问题中发挥重要作用。

图3该研究提出多任务学习方法在多个应用上取得了最优结果

光电与智能研究院于2021年1月成立，其前身是西工大首个校级人才特区光学影像分析与学习中心（OPTIMAL），研究院在人才培养、科学研究和社会服务等方面均取得到了快速发展。未来，研究院将坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，不断向科学技术广度和深度进军，取得更多高质量研究成果。

光电与智能研究院主页：https://iopen.nwpu.edu.cn/index.htm

论文链接：

[1]https://ieeexplore.ieee.org/document/9153156/

[2]https://ieeexplore.ieee.org/document/8941268/

[3]https://ieeexplore.ieee.org/document/9134971/

（审稿：刘元山）