导读：智能感知与计算通过对多传感器获取的海量感知数据进行智能分析与处理，辅助完成智能决策，是实现机器智能化的必要手段，因此成为人工智能领域研究的核心内容之一。中科院自动化研究所智能感知与计算中心王亮研究员的报告从中心简介、研究方向、媒体宣传、人员构成、科研成果、成果产业化等多个视角对智能感知与计算研究中心进行了全方位介绍，并对中心未来的研究方向和工作重点进行了分析和展望。

2019年10月23日，中科院自动化研究所模式识别国家重点实验室副主任、智能感知与计算研究中心常务副主任王亮研究员在智能化大厦第1会议室模式识别国家重点实验室学术交流会上作了关于“智能感知与计算团队的研究方向和最新的进展”的报告。郭建伟副研究员主持了本次报告，张晓鹏研究员、张家俊副研究员、万军副研究员等老师和研究所诸多学生参加了报告会。近一个小时的报告结束后，与会人员对王亮研究员的报告意犹未尽，热烈进行提问和讨论，活动得到了很好的反响。

王亮研究员首先对智能感知与计算研究中心的基本情况进行了简单的介绍，包括中心成立背景、定位、组织机构等，中心致力于研究泛在智能感知理论与技术以及与之相伴的海量感知数据的智能分析与处理。接着，重点介绍了智能感知中心的研究方向与研究内容，主要包括智能感知基础理论、生物启发的智能计算、生物识别与安全及多模态智能计算四大方向。智能感知基础理论旨在基于认知机理和信息理论，研究面向感知问题的机器学习理论和优化方法，智能采集、处理、分析符合人类视觉认知的数据生成和模拟方法，从而赋予机器类人表达能力与想象能力。生物启发的智能计算方向以卷积神经网络为代表的计算机视觉技术近年来在性能上取得突破，在部分任务上甚至超越人类感知水平，但现有的视觉感知与深度学习的局限依旧明显，模拟大脑已经成为人工智能发展趋势。生物识别与安全在在人脸识别核心算法方面，从人脸检测、关键点定位、人脸对齐、超分辨、姿态校正、特征提取、特征比对、活体检测全流程提出了一系列创新理论和方法；另外，中心近几年在远距离虹膜识别、移动端虹膜识别、车上虹膜识别、动物虹膜识别等领域取得了新的应用突破。多模态智能计算涵盖三种理论方法，其一深度认知神经网络在深度认知神经网络模拟认识过程中的选择性注意、长短时记忆等机制扩展到现有深度神经网络的认知功能；其二视觉语言交互主要研究视觉与语音、文本等不同模态数据之间的匹配、融合、生成等问题；其三跨模态学习主要研究缩小语义鸿沟、处理混合小样本、提升模型泛化性等。

近年来智能感知与计算中心在上述各方向上取得了较好的进展，产出了一批优秀成果，累积发表800多篇期刊与会议文章，其中包括TPAMI、TIP、ICCV、CVPR、ECCV等；已授权专利100余项；公开发布多个数据库；国际前沿的各大竞赛中多次夺魁；积极与工业界广泛建立合作关系。在报告最后，王亮研究员对视觉认知与大数据智能的未来发展趋势进行了简要分析和展望。