针对边端情境复杂多样，潜藏情境难挖掘的问题，拟提出人机共融和数据潜藏情境挖掘技术
随着智能物联网的发展，越来越多的移动设备被赋予智能。然而，在实际部署中，边端设备和云端训练所处的实际情境是动态变化的（光线、形象等因素），因此边缘计算面临着边端情境分布变化等诸多问题。
针对边端情境复杂多样，潜藏情境难挖掘的问题，拟提出人机共融和数据潜藏情境挖掘技术，结合专家知识为特征提取提供指导，实现目标数据中潜藏情境的识别与挖掘；针对传统深度计算模型自适应能力差的问题，拟提出多模态输入自适应的深度计算方法，通过训练并行情境检测器细粒度地检测边端情境，并利用情境检测向量和超网技术，实现边端情境自适应的子网络快速生成。
算法名称
| 基于边端情境自适应的潜藏情境挖掘和语义分割算法
|
算法接口
| python test.py
|
输入
| 来自边端设备的图片
|
输出
| 潜藏情境挖掘结果，语义分割结果 |
依赖库
| python3.6，pytorch1.2，opencv-python3.4
|
参考资源
| HRNet
|
Gitlab链接：GitLab (crowdhmt.com)
