澎思科技宣布成立新加坡研究院,全球计算机视觉与深度学习顶级科学家申省梅任院长及首席科学家

北京时间3月19日,人工智能新锐公司澎思科技宣布全球计算机视觉深度学习领域顶级科学家、松下(新加坡)研究院原副院长申省梅正式加盟担任首席科学家。同时,澎思科技还宣布成立新加坡研究院,主攻人工智能深度学习领域的技术研究与开发。据悉,申省梅将担任澎思新加坡研究院院长,负责团队建设、管理与人工智能前沿技术的探索。

作为目前计算机科学和人工智能领域鲜有的华人女性科学家,申省梅拥有计算机视觉全栈技术能力,技术面横跨多个应用领域,在基于深度学习的人脸检测和识别、行人检测和跟踪、行人再识别、车辆识别、自动驾驶、驾驶员行为检测、移动操作机器人等领域均取得了世界顶级成果。

澎思科技首席科学家,新加坡研究院院长申省梅

据了解,申省梅毕业于西安电子科技大学电子工程系,获得电子对抗学士学位,电子信息工程硕士学位。西安电子科技大学是国内最早建立信息论、信息系统工程、雷达、微波天线、电子机械、电子对抗等专业的高校之一,开辟了中国IT学科的先河。西安电子科技大学起源于1931年创建的中央军委无线电学校,是老一辈革命家亲手缔造的第一所工程技术学校。学校历经中央军委无线电通信学校、解放军军事电信工程学院(史称“西军电”),西北电讯工程学院、西安电子科技大学等十个办学期,见证了我国民族电子工业从无到有,逐步走向发展壮大的路程。

在这样的科研环境下,申省梅自上世纪80年代起就开始从事人工智能在无人驾驶汽车和医学心电图辅助诊断等领域的相关研究。1992年加入松下(新加坡)研究院,从事音视频信号处理和压缩算法设计和应用,随后专注于图像识别领域的研究工作。2013年起,申省梅就率先带领团队转向深度学习方向,在计算机视觉领域取得了瞩目的成绩。作为松下(新加坡)研究院原副院长,申省梅领导超过40人的算法研究团队,获得十余项计算机视觉领域国际顶级竞赛冠军,累计专利300余项,研发成果在各类产品和业务中已得到广泛应用。

公开资料显示, 2010年-2012年期间,申省梅联合新加坡国立大学LV实验室参加PASCAL VOC(视觉物体分类)连续三年获奖;2013年获得国际VOT(视觉物体跟踪)冠军;2015年行人检测Caltech数据集世界冠军;2017年在美国国家技术标准局(NIST)主办的非受限条件下人脸识别竞赛IJB-A获得了人脸验证(verification)与人脸辨认(identification)的双项冠军;2017年在微软百万名人识别竞赛MS-Cele-1M人脸挑战赛获双项冠军;2018年3月在行人再识别(RE-ID)的四项公开数据集(VIPeR,CUHK-03,DukeMTMC-reID,Market1501)上成绩排名全球第一;2018年4月在CVPR智慧城市挑战赛AI CITY Challenge的“无监督交通异常检测”中获得冠军;2018年11月在IROS(国际机器人大会)移动操作机器人比赛上取得冠军;2018年12月在NeurIPS的自动驾驶比赛AI Driving Olympics(AI-DO)中获得世界冠军。

申省梅表示,非常荣幸能够加入澎思大家庭,“澎思科技作为国内人工智能领域新一代的初创公司,拥有远大的企业愿景、深刻的行业理解、准确的市场定位和出色的业务落地能力。澎思坚持技术研发以市场需求为导向的理念,并有着务实的产品化思维和商业化思维,重视客户服务和市场开拓。多年的工业界经验让我对此非常认同,这也是我加入澎思的重要原因。”

作为兼顾学术界和工业界的科学家,申省梅认为人工智能作为应用研究,一定要跟场景结合起来,要重视人工智能技术在各行业的落地应用,重视解决方案,解决客户实际痛点问题。“一方面,学术界要重视用户价值(user value)和市场接受度(market acceptance),站在用户和市场的角度上思考,做到技术的商业化落地;另一方面,工业界要利用学术理论指导工程设计,针对技术落地过程中出现的问题要全面分析并找出根本原因,依据理论解决,做出完美的解决方案(elegant design)。只有学术界和工业界融合在一起,才能真正实现技术的产品化和商业化落地。”她分析称。

澎思新加坡研究院办公室

对于研究院的定位,澎思科技官方表示:澎思新加坡研究院作为企业研究院,一方面将不断从全球视角探索前沿科技,让公司始终保持对突破性科技的敏感度和关注度,为公司涉足新的业务领域做技术上的储备和研发;另一方面,将在保证技术业界领先的前提下兼顾工业级研发和交付能力,立足于澎思现有业务和商业模式,结合公司的发展方向针对性开展垂直领域技术研发和创新。

“接下来,我将带领团队攻克人脸识别技术在安防实战中遇到的问题,比如人脸模糊、背光、多种族等非约束场景下人脸识别性能下降等;利用图像增强技术,提升公司监控摄像头等硬件产品的表现,建立产品优势。”申省梅表示,将充分发挥自己多年来在人工智能技术方面的积累储备、产品研发管理经验,以及组建、管理团队的心得,打造一个具有“High-Energy“企业文化的研究院,帮助公司快速提升业务落地能力和市场竞争力,面向行业持续输出企业级人工智能价值。

澎思科技创始人兼CEO马原表示,“申省梅老师的加入和澎思新加坡研究院的成立作为公司战略规划的一部分,将长远地增强澎思的人工智能技术实力。她长期在企业研究院从事科研工作,重视学术界和工业界的融合,强调技术在行业的落地应用,具备强大的工业级研发和交付能力。更难能可贵的是,她还拥有出色的管理能力,以及丰富、高效的项目管理和团队建设经验。申省梅老师的特质跟澎思科技的公司理念十分吻合,将帮助公司持续夯实安防业务主航道,并不断从全球视角探索前沿技术,为公司发力人工智能领域、探索新业务做好技术储备,助力公司实现长远战略发展。“

马原介绍称,澎思科技是一家专注于计算机视觉物联网技术,提供行业综合应用解决方案的人工智能公司,已先后完成天使轮和Pre-A轮融资,领投方分别为洪泰基金和IDG资本。澎思科技成熟的工业级团队使公司在短时间内迅速推出了全系列自研的人脸识别算法、软件和硬件产品。软件产品包括智能人像大数据、警务情报大数据、智慧社区、智慧校园、智慧医院、智慧园区、智慧制造等各行业软件管理平台;硬件产品包括面向公安各实战场景和面向行业及商用领域的各类终端设备:人像抓拍摄像机、立式人证机、双屏人证机、智能门禁、立式多功能人脸识别终端、人脸识别闸机、移动布控单兵等。

在全自研技术和全系列软硬件产品基础上,澎思科技针对不同领域多场景复杂人群人员管控的业务需求,推出了覆盖全场景的,成熟、可落地的行业解决方案,包括AI+公共安全、AI+智慧社区、AI+智慧园区、AI+智能交通、AI+智能制造等五大行业具体15个细分场景的解决方案。自成立以来,澎思科技各行业解决方案已经成功落地全国50多个城市,服务客户超过百余个。在全国多地部署动态人脸识别点位,累计抓获在逃人员近两千名,并担任多项国家级大型活动的安保工作。

传统行业正处在智能化变革的新时期,越来越多的行业对AI技术的需求正在日益凸显。这些行业的融入将给AI技术的落地提供巨大的场景和空间,AI技术也会给不同行业带来深度的变革和创新。

在AI产业化发展阶段,澎思科技专注于技术的产品化落地和商业化能力,用工业界思维提供符合行业需求的产品和服务。基于申省梅团队和新加坡研究院的技术优势和工业化能力,结合公司行业领先的产品化和服务能力,澎思科技未来将坚持“行业+AI”的策略,在夯实安防主营业务和拥有充足AI技术储备的的前提下,寻找合适的场景切入到其它垂直行业,持续推动AI技术的商业化落地和产业化进程。

产业申省梅澎思科技
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

异常检测技术

在数据挖掘中,异常检测(英语:anomaly detection)对不符合预期模式或数据集中其他项目的项目、事件或观测值的识别。 通常异常项目会转变成银行欺诈、结构缺陷、医疗问题、文本错误等类型的问题。 异常也被称为离群值、新奇、噪声、偏差和例外。

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

信号处理技术

信号处理涉及到信号的分析、合成和修改。信号被宽泛地定义为传递“关于某种现象的行为或属性的信息(如声音、图像和生物测量)”的函数。例如,信号处理技术用于提高信号传输的保真度、存储效率和主观质量,并在测量信号中强调或检测感兴趣的组件。我们熟悉的语音、图像都可以看做是一种信号形式。因此,对于语音、图像的增强、降噪、识别等等操作本质上都是信号处理。

图像增强技术

图像增强技术用于增强图像中的有用信息,它可以是一个失真的过程,其目的是要改善图像的视觉效果,针对给定图像的应用场合。它通过有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。

信息论技术

信息论是在信息可以量度的基础上,研究有效地和可靠地传递信息的科学,它涉及信息量度、信息特性、信息传输速率、信道容量、干扰对信息传输的影响等方面的知识。通常把上述范围的信息论称为狭义的信息论,又因为它的创始人是香农,故又称为香农信息论。

物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

推荐文章
暂无评论
暂无评论~