这所985【交通大学】成立电子与信息学部!计算机等专业包含在内!

9月16日

西安交通大学电子与信息学部成立暨

电子信息科学研究院入驻揭牌仪式

在位于西咸新区沣西新城的

中国西部科技创新港举行

陕西省副省长方光华、西安交通大学党委书记张迈曾、校长王树国,省政府副秘书长高阳、西安市副市长强晓安、西咸新区管委会主任康军、省教育厅副厅长刘建林以及西安交通大学副校长郑庆华出席揭牌仪式。西安交通大学电子与信息学部主任管晓宏院士、党委书记梁莉主持仪式。

两院院士姚期智、郝跃、侯洵、徐宗本、何雅玲、管晓宏、郭烈锦,吕跃广、何友、周济、王双明、邱爱慈、蒋庄德,新加坡工程院院士连勇参加活动,郑南宁院士送来祝贺,共同见证这一重要时刻。

方光华致辞中表示

希望电信学科以此为新的起点,发扬学科百年传统,瞄准国家重大需求,实现科研新突破,大量培育德才兼备的优秀人才,为科技强国、网络强国、数字强国、智慧社会的发展提供强有力的支撑。

张迈曾致辞中表示

西安交通大学的老师要始终牢记自己的使命责任,把它体现在情怀之“三爱”上,即爱学生、爱事业、爱国家,在对学生的培养、对事业的热爱、对科技的攻关上,履行好职责,树立好形象,做一个有情怀的人。

王树国致辞中表示

期待电子信息科学研究院在第四次工业革命浪潮到来的关键时期,在创新港这片神奇的土地上为国家、社会、乃至人类的发展做出不平凡的贡献。

上海交通大学

电子信息与电气工程学院院长

关新平致辞中表示

希望电信学科以此为新的起点,发扬学科百年传统,瞄准国家重大需求,实现科研新突破,大量培育德才兼备的优秀人才,为科技强国、网络强国、数字强国、智慧社会的发展提供强有力的支撑。

意大利米兰理工大学

校长代表

Sergio Pingnari致辞中表示

祝贺西安交通大学电子与信息学部成立以及电子信息科学研究院入驻创新港,祝愿电信学部与电子信息科学研究院的未来一片光明,希望以后双方在更多领域开展合作。

随后,华为技术有限公司监事会主席、西安交通大学校友代表李杰,百度集团技术委员会理事长陈尚义,国网信息通信产业集团有限公司董事长、西安交通大学校友代表王政涛,中国航天科工集团第二研究院科技委主任李陟分别在致辞中表达对电信学科发展的良好祝愿。

活动中,图灵奖获得者、中国科学院院士、清华大学交叉信息研究院院长姚期智围绕“科技创新”这一主题进行了心得分享。西迁老教授代表鲍家元、施仁、刘文江以及黄席椿之子、航空航天学院教授黄上恒共同为“黄席椿教育基金”揭牌。

电信学部—丰佳国际丝路硅谷海外博士后创新中心、电信学部—润维联合研究中心、西安交大—罗克韦尔智能制造协同创新中心、新北洋—西安交大联合研究中心、电信学部—绿盟科技工业互联网安全联合实验室、西安交大—博瑞集信集成电路设计创新研究中心等6个研究中心分别揭牌。

现场还与国网信息通信产业集团、华为西安研究所、北京华竣科技有限公司、中国航天科工集团第二研究院、陕西旅游集团、日联科技、北京百度网讯科技有限公司、阿里巴巴集团等46家合作伙伴签约。

西安交通大学电子与信息学部包含电子科学与技术、计算机科学与技术、信息与通信工程、控制科学与工程以及网络空间安全5个一级学科。下设计算机科学与技术学院、信息与通信工程学院、自动化科学与工程学院、人工智能学院、微电子学院、网络空间安全学院和软件学院等八个学院,拥有前沿的学科方向、雄厚的师资力量、一流的教学科研环境和积极向上的学术氛围。  

(来源:西安交通大学新闻网)

20考研的QQ群,有各个学校的考研资料,欢迎加入

群号是 984844252


您还可以在以下平台找到我们

你点的每个在看,我都认真当成了喜欢

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值