Our Project

为实现“两个中心”提升，一方面促进全媒体中心的建设，提升其影响力与覆盖面；另一方面打造舆情信息中心，探索“青年主体、多方联动、精准引导”的青年网络舆情系统建设，成都市团市委通过反复调研与论证，探索建立“一库三平台多终端”的网络舆情监测分析与预警响应系统。

近年来随着诗词文化的盛行，尤其是经过《中国诗词大会》的热播，飞花令作为诗词游戏也掀起了前所未有的讨论热潮。在传统飞花令中，对令的诗句不仅可以来自于已有的诗词曲等作品，更可由参与者即兴创作，因此飞花令也被古代文人墨客们视为是展现才华的绝佳场所。而随着文化的传承和发展，飞花令在如今的改良版中，成为了单纯考验参与者诗词储备量的游戏，创作环节的缺失使得该游戏在一定程度上流失了一些文学意义和娱乐性。而随着深度学习技术在自然语言处理领域的快速发展，自然语言生成取得了突破性的进展，作为其中研究热点之一的诗词生成也得到长足性发展。本课题对基于生成算法的飞花令多轮对战系统进行了研究与实现。

随着人工智能相关技术的发展，仪表读数的读数方法也渐渐从人工读数进阶到了使用计算机辅助读数的阶段。作为安全生产的重要环节，对仪表进行实时的高精度读数有利于作业人员安全、高效地检测实时工况，为安全生产保驾护航，具有极其重要的意义。然而，目前的常见算法模型出现精度不足、有效的改进越来越少且精度提升越来越难的问题，急需一种精度较高、易于改进的新算法来进一步提升仪表读数的性能。

网络弹幕视频的规模日益庞大，快速有效地实现视频标签自动提取对于视频分类、视频检索、视频推荐等任务具有重要意义。目前在提取视频标签时，主要面临两点挑战。其一是如何对视频进行有效的特征表示，传统方法主要从图像、文本、音频的角度提取特征，但单模态的方法所包含的视频信息较少，而基于多模态的方法能够增强视频语义表示。其二是监督学习下的粗粒度视频标签提取属于多标签分类问题，当标签数量较大时，输出空间将呈指数增长。基于此，本课题从不同标签粒度，融合多种模态信息，利用标签关联对弹幕视频标签提取进行研究。

动态网络分析方法广泛应用于社交网络、引文网络、生物网络等，用于分析各个领域中不同观察对象相互关系的时变特性。在脑功能障碍疾病辨别及机理研究中，众多研究人员常常借助于动态网络分析方法，来探究不同脑区在不同时刻之间的拓扑连接状态在内的大脑时变特性。因此，动态网络分析方法在脑功能障碍疾病辨别及机理探究中扮演着越来越重要的角色。但现有的动态网络分析方法针对动态脑网络分析存在着较多不足，例如目前缺乏一个普遍适用的统计指标，有些指标需要对动态网络包括度，聚类系数，模块度在内的多种特征进行统计；并且很少有学习式模型同时考虑不同时间和脑区对于动态脑功能网络状态的不同作用与影响。本课题研究动态网络分析方法对动态脑功能网络进行特性分析。

该系统为高校舆情监控中心对学生网络言论进行实时监控而开发设计。

可视化自然语言处理，包括：分词、词性标注、情感分析、关键词提取、摘要提取。

识别网络传播中最有影响力的传播源对于利用最少的资源进行传播控制至关重要，如最大化广告营销的效果、阻止流行病快速的扩散、防止电力网的级联失效等，是当前网络科学研究的热点问题之一。研究人员提出了大量识别网络中最有影响力传播源的算法。但现实世界中的许多系统用多层网络表示更加准确，因此多层网络中最有影响力传播源的识别成为一个重要研究问题。已有研究进展主要基于多层网络结构定义节点重要性，但却忽略了层间结构与动力学耦合因素对网络中节点传播能力的影响。本项目基于通信-接触双层网络，研究信息-疾病耦合传播动力学中最有影响力的传播源识别问题。

素描凭借表达丰富的绘画形式，成为艺术绘画的主要类别之一，同时也是现代绘画艺术的基础学科。关于素描的计算机视觉研究越来越多，包括素描创作、素描图像生成、素描目标识别等。其中如何使用智能的评价方式对素描作品进行质量评价成为现在的研究热点。当前有关素描作品的的评价方法大多以人工方式完成，需要花费大量时间和人力成本。研究素描作品的智能评价方法有助于提高评价效率，降低评价成本。因此，针对素描作品的智能化评价算法具有实际意义和应用价值。

人体姿态估计任务到现在已经有几十年的研究历史了，这个问题一直是计算机视觉领域中一个非常重要的问题。伴随着大数据时代的来临以及深度学习技术的崛起，人体姿态估计任务在实现形式和效果上都有着巨大的突破。人体姿态估计问题的核心任务是定位图像或者视频中人体关节的位置，这个问题的解决具有非常大的应用价值，例如：在体育领域通过识别运动员的姿态变化可以分析出最有效的运动动作；在动画或者游戏领域中可以将用户的姿态直接映射到二次元人物的身上；在安防领域可以识别出行人的动作准确地判断出动作危险程度，保证居民的安全。本课题主要研究一种基于多任务学习与关键点回归的人体姿态估计模型。

页岩扫描电镜图像是目前主要的页岩微观孔隙研究方法之一，是指使用高分辨率图像采集设备如场发射扫描电镜（FE-SEM）、聚焦离子束扫描电镜（FIB-SEM）等拍摄页岩样本薄片，获得可以观察到纳米-微纳米孔隙的高清页岩扫描电镜图像，进而基于扫描电镜图像进行页岩微观孔隙的图像分析。页岩扫描电镜孔隙识别是指将页岩扫描电镜图像中每个孔隙划分到独立区域并标注其类型，是页岩扫描电镜孔隙鉴定的一向基础性工作，具有重要的研究意义。因此，本课题对页岩图像孔隙识别技术进行研究，并实现一套孔隙智能鉴定软件。