2022年5月5日，智能交通新兴计算与感知研究课题组举办了题为“智能视觉发展动态探讨”的技术分享会。上海同陆云交通科技有限公司技术副总裁严京旗受邀为大家奉献了一场最新技术的饕餮盛宴。分享会由杜豫川教授组织，刘成龙博士后主持，课题组师生共同参与。交流会现场严总主要围绕大模型及MoE、跨模态、自监督学习、通用智能四大方面，用深入浅出的语言为大家介绍了当下目标识别算法的最新进展以及在业界的应用情况。首先，围绕大模型及MoE，严总为我们介绍了大模型的特征、常见的训练平台，网络结构等基础知识；也分析了使用稀疏门控混合专家（Sparsely gated MoE, Mixture-of-Experts）是如何极大降低训练大模型的代价；解释了关于路由模块Router、多组专家Expert/FFN模块对模型效果的影响；并在此基础上，分享了万亿大模型训练系统HetuMoE的整体框架。其次，围绕跨模态，严总为我们介绍了跨模态图文模型（DALL-ECLIP）、跨模态学习框架data2vec。随后，围绕自监督学习，针对图像缺陷检测，为我们介绍了Cutpaste、PatchCore和自监督学习相关应用，以及视觉掩
近日，2021年度华夏建设科学技术奖公布，隆重表彰解决了住房和城乡建设行业热点、难点和关键问题的科研工作者。我系杜豫川教授、沈煜副教授参与完成的《基于站城协同设计的综合客运枢纽智慧运营关键技术》荣获2021年华夏建设科学技术奖一等奖。2021年华夏建设科学技术奖一等奖证书 该项目由深圳市城市交通规划设计研究中心股份有限公司牵头，同济大学、中铁第四勘察设计院集团有限公司、华为技术有限公司、上海宝信软件股份有限公司、腾讯云计算(北京)有限责任公司共同参与。 自2008 年以来，我国交通运输部通过规划引领、技术指导等大力推进综合客运枢纽发展，建设投资规模超过万亿元。然而，我国的综合客运枢纽普通存在三个突出问题：枢纽空间布局与站城复杂功能适配难题；枢纽运营组织与高强度高扰动客流适配难题；枢纽出行服务与个体差异化需求适配难题。国内外尚无系统性、成熟的解决方案。上海虹桥枢纽综合运营调度服务平台 在国家863课题、国家自然科学基金等课题支持下，项目组历时十余年，契合国家战略导向，以“问题解析-技术创新-集成应用”为总体思路，以枢纽个体出行数据为驱动，攻克了协同.设计、动态运营、精准服务
根据基本科学指标库ESI（Essential Science Indicators）的最新统计数据，以同济大学智能交通新兴计算与感知研究课题组杜豫川教授为第一作者和通讯作者，同济大学道路与交通工程教育部重点实验室为第一完成单位，发表在道路工程领域权威国际期刊International Journal of Pavement Engineering（JCR Q1区期刊，影响因子为4.139）的论文“Pavement distress detection and classification based on YOLO network”（2021年，22卷，13期，p.1659-1672）入选工程（Engineering）领域ESI全球TOP 0.1%热点论文。ESI Top 0.1%热点论文是指发表于近两年内某学科领域中被引用次数排名在前0.1%以内的文章。该研究是机器视觉算法在路面损伤检测和评估方面的率先探索之一，利用高速工业相机对路面图像信息进行拍摄采集，形成了5万余张标签化的数据集可作为模型输入，通过基于深度学习的目标检测框架YOLOv3网络进行路面损伤的自动检测和分类，并提取路表
2021年10月12日-15日，第七届中国国际互联网+大学生创新创业大赛总决赛在南昌大学举行。课题组杜豫川教授团队申报的“同陆云-道路管养数字化领导者”项目，从228万余个评审项目脱颖而出，斩获全国银奖的佳绩！ 中国国际“互联网+”创新创业大赛是全球性创新创业竞赛平台，由教育部等12个中央部委单位和江西省人民政府共同主办，获习近平总书记回信、总理倡议、副总理出席，是深化创新创业教育改革的载体。作为全球最大最好的路演平台之一，吸引来自世界各地，全球五大洲121个国家和地区的4347所院校、228万余个项目、956万余人次报名参赛，经过激烈角逐，获得大赛银奖及以上奖项的比例约为万分之三。“互联网+”大赛是排名第一的学科竞赛，在最新的专业评估方案中，也被列为二级指标“就业与创新创业教育”里的单列“审核重点”项，有力支撑学科建设和专业建设。 创新竞赛就是师生教学互长的过程。2021年12月15日，2021年同济大学创新创业教育成果表彰会暨“中行杯”系列双创竞赛颁奖典礼在四平路校区逸夫楼举行，由同济大学顾祥林副校长颁奖，杜豫川教授受表彰获第七届中国国际“互联网+”大学生创新创业大赛优秀指
同济大学智能交通新兴计算与感知研究课题组，在中科院1区Top期刊Automation in Construction发表了由翁梓航、古丽妮尕尔•阿卜来提、吴荻非、刘成龙、李峰、杜豫川、曹静撰写的研究论文“Rapid pavement aggregategradation estimation based on 3D data using a multi-feature fusion network”。沥青路面的粒料分布对路面早期性能有重要影响，然而在施工过程中难以把控，因此亟需实时无损的路面级配快速估计的方法。本文利用三维激光数据，构建基于多特征融合的残差网络卷积神经网络对路面级配进行预估。10个几何特征参数和8个基于二维小波分解的参数在残差网络的全连接层进行融合。本文获取八种级配类型的路面共800个样本作为数据集（720 个用于训练，80个用于测试）。提出的模型(ResNet+MLP) 在八分类问题中表现最好，在测试集的预测F1值达到0.96。将其用于级配曲线的预估，多元回归模型预测结果R方为0.86。在雄安新区新建高速上进行现场实证，证明了算法的可行性。本文建立了三维路面纹理与路面
同济大学智能交通新兴计算与感知研究课题组，在中科院1区Top期刊IEEETransactions on Intelligent Transportation Systems上发表了题为“A Novel Spatio-Temporal Synchronization Method of Roadside Asynchronous MMW Radar-Camera for Sensor Fusion”的研究论文，论文作者为同济大学的杜豫川（Yuchuan Du）、覃伯豪（BohaoQin）、赵聪（Cong Zhao）、朱逸凡（Yifan Zhu）、曹静（Jing Cao）和暨育雄（Yuxiong Ji）。该研究聚焦于智慧道路中分离式的路侧摄像头和毫米波（millimeter-wave, MMW）雷达时空同步问题，在提取场景特征和交通流特征的基础上，构建了时空同步优化模型和相应求解算法。研究成果为路侧多传感器时空同步提供了一种便捷、高效、安全、经济的方法。在智能车路协同系统中，如摄像机和毫米波雷达等路侧传感器可以为智能网联车提供超视距的交通信息。区别于车载设备的是，现有路侧传感器往往隶属于不
