进化智能与感知学习团队
Evolutionary Intelligence and Perception Learning Laboratory (EIPL)
研究简介
进化智能与感知学习组（EIPL Group）是一支跨学科研究团队，聚焦于人工智能前沿领域的探索。团队重点研究具有主动感知、持续学习与自主进化能力的新一代智能算法。主要研究方向涵盖计算机视觉、进化计算、机器学习以及特征工程等多个领域。
核心研究方向Focus
- 计算机视觉：图像理解、目标检测与分割、三维视觉
- 进化计算：遗传规划、群体智能、代理辅助与多目标优化
- 机器学习：深度学习、强化学习、迁移与小样本学习
- 特征工程：自监督表征、可解释表示与结构先验
应用场景与成果Impact
- 医疗影像分析
- 辅助诊断
- 精准农业
- 智能育种与表型分析
- 病虫害监测
技术特色与创新
多技术融合
CV+ML+EC小样本学习
Few-Shot Learning自动化机器学习
AutoML可解释AI
XAI
进化计算与智能优化
我们致力于进化计算的前沿研究，涵盖遗传规划（GP）等多种进化算法。研究重点包括多目标优化、自动特征工程与自适应模型构建，并广泛应用于图像分类、遥感解译与医学影像分析等领域。
医疗影像AI分析
现有计算机辅助诊断（CAD）系统存在局限：传统方法依赖领域知识提取特征，神经网络方法需专业设计网络结构且可解释性差。该方法性能多数优于基于GP、神经网络特征学习及传统对比方法，且演化出的模型树结构更小，具有潜在高可解释性。
农业领域-场景识别
针对现有作物分类特征构建方法依赖领域知识且解可解释性不足的问题，提出了一种基于多树遗传编程的新方法，旨在自动演化高可解释性的解，从高光谱图像中构建用于作物分类的高层特征。
