任仲乐
最后更新时间:..
任仲乐,西安电子科技大学人工智能学院华山准聘副教授、硕士生导师,智能感知与图像处理教育部重点实验室、智能感知与计算国际联合研究中心成员,中国体视学学会图像分析分会会员,陕西跨行政区划检察机关数字检察专家,秦岭·西电遥感脑大模型技术负责人。2009通过自主招生和高考进入西安电子科技大学就读,分别于2013年和2020年获得西安电子科技大学电子信息工程(雷达方向)学士学位、电路和系统博士学位(保研)。主要研究方向为遥感预训练大模型构建及落地应用、合成孔径雷达(SAR)影像智能理解与解译。面向遥感影像解译中机器学习与计算机视觉的各类问题,考虑数据和任务特点,利用深度学习等方法对SAR图像地物分类与目标识别、遥感目标检测、多光谱融合地物分类等问题进行了系统深入的研究。在《IEEE Transactions on Geoscience and Remote Sensing》、《IEEE Journal of Selected Topics in Applied Earth Observations》和《Remote Sensing》等期刊及IGRSS会议发表论文10余篇,申请专利10余项,授权3项。主持国家自然科学青年基金、中央高校基本科研项目,参与国家自然科学基金面上项目、 教育部人工智能算法战略研究项目、陕西省重点研发计划、华为和西安昇腾智能科技有限公司合作的“雷达遥感预训练大模型”等多个课题,多次参与并指导学生参与IGARSS数据融合竞赛以及“天智杯”、“眼神杯”等各种国内遥感竞赛。担任《IEEE Transactions on Cybernetics》、《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Geoscience and Remote Sensing》、《IEEE Transactions on Multimedia Computing Communications and Applications》等期刊审稿人。
招生信息:
目前每年招收一名研究生(2024级已无名额),学术/专业型不限,保/优/考研不限,对你的要求如下:1)首先要为人正直、认真踏实,不以应付的心态对待学业和生活,此条非常重要,请做不到的你不要选择我,强扭的瓜不甜!2)数学、编程和英文基础好的我很喜欢,会优先考虑,这也是科研工作的基础,也劝暂时这三方面不足的你自看到这儿起加强,提升自我!请有意向且符合上述条件的同学将个人简历、成绩单、竞赛证书、专利、论文等材料打包发送我邮箱,我会酌情联系考察后决定。
PS: 1、遥感大模型组内有数名博士和硕士,经验传承,氛围浓厚。 2、作为有点经验的过来人对想要读研的你啰嗦几句:1)越接近社会的阶段各种困难和焦虑也更加频繁,希望你摆正心态,增加抗压和化解难题的能力,现在具备,终生受益!2)研究生期间我会授你与鱼,更会授你与渔,最终希望你自己能渔,这是科研的要求,更是今后生活的要求,希望你走好由学生到社会的这最后的过渡期,真正做到learn to learn! 3)我敬佩一心扎根实验室的你,但同样担忧只扎根实验室的你。人生很长,工作并非所有,科研的技能要学,生活的技能也要有。能在高效的科研之外,过出精彩生活的你,我很期待!
当前研究热点:
AI大模型(例如:ChatGPT, Sora, Kimi)是人工智能迈向通用智能的里程碑技术,核心为大数据驱动的深度学习。深度学习作为新一代人工智能的标志性技术,依赖模型自动从数据中学习知识,在显著提升性能的同时,也面临着通用数据激增与专用数据匮乏的矛盾。AI大模型兼具“大规模”和“预训练”两种属性,面向实际任务建模前在海量通用数据上进行预先训练,能大幅提升AI的泛化性、通用性、实用性。我们不仅期望它的参数量巨大,大模型也应同时具备多种模态信息的高效理解能力、跨模态的感知能力以及跨差异化任务的迁移与执行能力等。
什么是大模型?个人理解,参数绝对数量多只是表象,核心是与传统小模型相比,参数量变所引起应用范围与精度的质变,这才是大模型最本质的“特色”。从这个角度而言,只要与通用视觉语言大模型类似,显著突破了专用领域原有限制(精度、实用范围、速度等),参数比传统该领域模型大一个量级以上,就可以认为是该领域的“大模型”。与每时每刻能捕获到和使用到的通用视觉语言信息相比,专用领域的数据量与复杂程度一般而言都是低的,因而该领域的“大模型”参数量显著少于通用视觉语言大模型是不难理解的,不应只凭绝对参数量来评判专用领域模型是否为大模型。我们也是基于这个角度去定义和实现遥感影像预训练大模型(秦岭·西电遥感脑)的。
2021年9月起,作为技术负责人围绕“遥感影像预训练大模型”开展高分辨大场景雷达和光学影像地物要素提取研究,通过构建L0(全域全要素,如全国、陕西等地物全要素基础模型)、L1(领域和行业,如农业地物要素行业模型)、L2(精准场景和特定要素,如水稻细分类精确提取场景模型)三级大模型体系,探究其在自然资源监管、国土空间规划、生态文明建设、灾害应急管理的应用,力求突破现有遥感技术研究到应用的瓶颈!打造“AI+遥感”新质生产力,推动高质量发展!努力实现把论文写在祖国的大地上,写在人民的心坎间!
秦岭·西电遥感脑”遥感影像解译预训练大模型有以下技术特点:(1) 面向复杂多样场景的层次化解译体系;(2) 面向土地利用现状的地物要素类别与高质量标注;(3) 海量数据、成像机理和地学知识联合驱动的学习机制;(4) 国产AI软硬件系统支持下的优化训练;基于以上特点,具有如下优势:覆盖场景多样、突破精度限制、实现泛化能力、降低研发成本。详细介绍见中国人工智能学会特约文章。
相关成果及报道(点击标题可打开链接):
1、 2021年9月起,西电人工智能学院、西安昇腾智能科技有限公司和华为技术有限公司,三方聚力,依托西安未来人工智能计算中心的强大算力,在昇腾Atlas算力底座和MindSpore AI框架下,采用华为智能无损以太网络将算力节点高速互连,开展了大规模雷达遥感影像智能解译技术研究,开发的“秦岭·西电遥感脑”,入选2022首届中国算力大会“算力赋能”创新先锋系统类优秀成果,三方为构建雷达遥感数字经济研发与应用协同创新生态体系共同努力!https://www.zsdh.org.cn/innovation/708822777330880512.html
2、课题“遥感预训练大模型”开展高分辨大场景遥感影像地物要素提取研究,相关报道:
3) “人工智能与遥感技术应用”专题授课揭开陕西跨行政区划检察机关数字检察培训序幕
3、中国人工智能学会特约文章:《秦岭 · 西电遥感脑:遥感影像解译预训练大模型》
科研亮点:
论文:
1、Ren Z, Du Z, Liu S, et al. Self-supervised learning guided by SAR image factors for terrain classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2024.
2、Ren Z, Lu Y, Hou B, et al. JPSSL: SAR Terrain Classification Based on Jigsaw Puzzles and FC-CRF[J]. Remote Sensing, 2024, 16(9): 1635.
3、Zhongle Ren, Biao Hou, Qian Wu, Zaidao Wen, Licheng Jiao. A Distribution and Structure Match Generative Adversarial Network for SAR Image Classification [J]. IEEE Transactions on Geoscience and Remote Sensing. 2020, 58(6): 3864-3880. (中科院二区,TOP期刊,IF: 8.125)
4、 Biao Hou, Zhongle Ren, Wei Zhao, Qian Wu, Licheng Jiao.Object Detection in High-resolution Panchromatic Images Using Deep Models and Spatial Temple Matching [J]. IEEE Transactions on Geoscience and Remote Sensing. 2020, 58(2): 956-970. (中科院二区,TOP期刊,IF:8.125)
5、 Zhongle Ren, Biao Hou, Zaidao Wen, Licheng Jiao. Patch-sorted deep feature learning for high resolution SAR image classification[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(9): 3113-3126. (中科院三区,IF: 4.715)
6、Ren Z, Lu Y, Wang H, et al. SAR Scene Classification Based on Self-supervised Jigsaw Puzzles[C]//Intelligence Science IV: 5th IFIP TC 12 International Conference, ICIS 2022, Xi'an, China, October 28–31, 2022, Proceedings. Cham: Springer International Publishing, 2022: 334-343.
7、 Qian Wu, Biao Hou, Zaidao Wen, Zhongle Ren, Licheng Jiao. Cost-sensitive Latent Space Learning for Imbalanced PolSAR Image Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 59(6): 4802-4817. (中科院二区,TOP期刊,IF: 8.125)
8、 Xiangpeng Guo, Biao Hou, Bo Ren, Zhongle Ren, Licheng Jiao. Network Pruning for Remote Sensing Images Classification Based on Interpretable CNNs[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 60: 1-15.(中科院二区,TOP期刊,IF: 8.125)
9、Wenping Ma, Na Li, Hao Zhu, Kenan Sun , Zhongle Ren et al. A Collaborative Correlation-Matching Network for Multimodality Remote Sensing Image Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-18. (中科院二区,TOP期刊,IF: 8.125)
10、 Qian Wu, Biao Hou, Zaidao Wen, Zhongle Ren, Bo Ren, Licheng Jiao. Structure Label Matrix Completion for PolSAR Image Classification [J]. Remote Sensing, 2020, 12(3): 459. (中科院二区,TOP期刊,IF: 5.349)
11、 Zitong Wu, Biao Hou, Bo Ren, Zhongle Ren, Shuang Wang, Licheng Jiao. A Deep Detection Network Based on Interaction of Instance Segmentation and Object Detection for SAR Images[J]. Remote Sensing, 2021, 13(13): 2582. (中科院二区,TOP期刊,IF: 5.349)
12、 Xiufang Li, Qigong Sun, Lingling Li, Zhongle Ren, Fang Liu, Licheng Jiao. Pixel Dag-recurrent neural network for spectral-spatial hyperspectral image classification[C]. 2019 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2019: 2718-2721.
13、Yan Ju, Lingling Li, Licheng Jiao, Zhongle Ren, Biao Hou, Shuyuan Yang. Modified diversity of class probability estimation co-training for hyperspectral image classification[J]. arXiv preprint arXiv:1809.01436, 2018.
相关个人主页链接:Google Scholar、dblp、ResearchGate
注:IF采用2022年6月30日标准
专利:
1、侯彪、任仲乐、吴倩、焦李成、马晶晶、马文萍、王爽、白静。基于分布和结构匹配生成对抗网络的SAR图像地物分类方法。CN201811179820.6 (授权)
2、侯彪、任仲乐、焦李成、朱浩、赵暐、刘旭、孙其功、马文萍。一种基于目标空间知识和两阶段预测学习的目标检测方法。 CN201711059887.1 (授权)
3、林楠、任仲乐、侯彪、焦李成。高分辨SAR飞机目标轮廓提取方法、系统、存储介质及设备。 CN202110020415.5(在审)
4、张雨、任仲乐、侯彪、焦李成、韩祥永、张锐、苏海波、李永强。基于深度无监督多步对抗域自适应的高分辨SAR图像地物要素提取方法。CN202210664345.1(在审)
5、任仲乐,杜哲,汪浩然,陈亚涵,刘少博,侯彪,焦李成。基于深度自监督生成对抗的单通道高分辨SAR图像地物分类方法。CN202211380456.6(在审)
6、鲁一鸣,任仲乐,侯彪,任博,杨晨,焦李成。基于自监督拼图学习的SAR图像地物分类方法。CN202211374754.4(在审)
7、侯彪,蒋小明,焦李成,张小华,任博,任仲乐。基于Nvidia Jetson嵌入式硬件的无人机实时目标检测方法及系统. CN202210158986.X(在审)
8、侯彪,李智德,汤奇,任仲乐,任博,杨晨,焦李成。一种基于YOLOv5的光学遥感图像目标检测方法。CN202210909740.1(在审)
9、焦李成,李玲玲,王梦娇,刘芳,刘旭,任仲乐,陈璞花,郭雨薇,侯彪,杨淑媛,唐旭,张向荣,白静。一种SAR影像域自适应动态优化地物分类模型训练方法。CN202210795908.0(在审)
10、侯彪,周沈轩,曹震,郭政熹,任博,任仲乐,焦李成。一种利用卷积运算进行图像缩放加速的目标检测方法。CN202211064866.X(在审)
11、李珺,侯彪,焦李成,王爽,任博,任仲乐,马晶晶,马文萍。基于多级融合和角点偏移的图像旋转目标检测方法。CN202110403036.4(在审)
12、侯彪,汤奇,李智德,任仲乐,任博,杨晨,焦李成。一种基于深度学习以及图像配准算法的飞机变化检测方法。CN202210815924.1(在审)
13、 陈亚涵,任仲乐,侯彪,王凯,罗星宇,任博,杨晨,焦李成。 基于掩码增强和自注意力机制的无监督域自适应SAR影像的水体提取方法、系统、设备及介质。CN202310977795.0(在审)
14、 汪浩然,任仲乐,侯彪,王凯,宁家伟,任博,杨晨,焦李成。一种基于Transformer多尺度特征融合的高分辨SAR影像的农田提取方法、系统、设备及介质。202310977804.6(在审)
15、 王凯、罗星宇、任仲乐、侯彪、李卫斌、焦李成。一种基于自适应分辨率特征学习模型的弱监督 SAR 影像语义分割方法、系统、设备及介质。CN202311441565.9(在审)
16、刘少博,任仲乐,杜哲,侯彪,李卫斌,焦李成. 一种面向复杂场景的单极化SAR 影像的建筑物提取方法。CN202410390028.4(在审)
17、 任仲乐,刘少博,孟建华,侯彪,李卫斌,焦李成. 基于注意力和空洞卷积嵌入UNet3Plus 的超高分辨率SAR 建筑物提取方法、系统、设备及介质. CN202410390026.5(在审)
科研课题:
1、国家自然青年基金,62101405,基于互补自监督学习的SAR图像地物分类,2022/01-2024/12,在研,主持
2、中央高校基本科研业务费,ZYTS23063,基于无监督域自适应的SAR影像地物要素提取,2023/01-2023/12,在研,主持
3、中央高校基本科研业务费,XJS211904,基于特征加权与锚点自适应匹配的遥感困难目标检测,2021/01-2022/12,结题,主持
4、国家自然科学基金面上项目,62171347,结合成像特性和三维深度时空神经网络的VideoSAR动目标检测与语义分割,2022-01至2025-12,在研,参与
5、教育部人工智能算法战略研究项目,脑启发机制的人工智能模型与算法规划研究,在研,参与
6、陕西省重点研发计划,无接触智慧酒店系统关键技术研究及示范,2021/01-2023/12,结题,参与
7、陕西省重点研发计划 ,2019ZDLGY03-05 ,下一代人工智能基础理论与关键技术 ,2019/01-2021/12,结题,参与
8、国家自然科学基金面上项目,61671350,基于脑启发的PolSAR图像深层协同表示学习与分类,2017/01-2020/12,结题,参与
相关链接:
人工智能学院:http://sai.xidian.edu.cn/
智能感知与图像理解教育部重点实验室:https://ipiu.xidian.edu.cn/
2009.8 -- 2013.6
西安电子科技大学
 电子信息工程
 工学学士学位
2013.9 -- 2020.6
西安电子科技大学
 电路与系统
 工学博士学位
遥感预训练大模型构建及落地应用
高分辨率SAR影像地物要素提取