语义感知(Semantic Perception)是视觉研究领域中一个非常重要并且具有挑战性的问题。根据研究对象的粒度(Granularity)不同,可以将视觉任务划分为Image Level、Object Level、Object Part Level和Pixel Level。Image Level的视觉任务关注图像整体的属性和结构,在这一Level上的主要任务包括Image Classification。而属于Pixel Level的视觉任务关注图像细粒度像素的属性,相应的主要任务包括Image Segmentation和Image Generation。在语义感知领域,人体姿态估计具有很强的理论研究价值和广泛的应用前景,其任务是指对给定的输入图像,输出图像中每一个人的不同躯干(Limb/Part)的位置信息,是Object Part Level上的视觉任务。此Level上的视觉任务有一些重要的特点,其中尤为突出的一点是“Object Part之间有密切的空间依赖关系”。因此,如何更好地建模此种空间依赖关系以更好地解决此任务,仍然是一个被广泛研究的开放问题。其次,在多人场景下,如何准确地对每一个人进行人体姿态估计并保证实时性非常具有挑战性。与此同时,当输入为视频时,如何利用相邻帧(Frame)之间运动(Motion)信息来提升性能或者效率同样值得探索此研究项目主要目标是实时多人人体姿态估计。在满足多人人体姿态估计准确率的前提下,即在COCO 2016 Keypoint Challenge和MPII Human Pose等数据集上相应评测指标达到state-of-the-art;还需要保证实时性,即单块NVIDIA GTX-1080 GPU上至少达到10FPS。
随着直播平台和自媒体传播模式的兴起,互联网内容消费的形式已经越来越丰富,从文本、图片到实时的视频流,每个互联网用户都可以拥有自我展示的机会从而获得他人的关注。在亿万互联网用户参与内容创造、内容传播和内容消费的过程中,出现了一批称为“网红”的人,他们由于自己在社交媒体中塑造出的独特人格魅力,或者是因为某个事件或者某个行为而被网民关注从而迅速走红。网红产业链带来的巨大盈利能力同样也吸引了电子商务平台的加入。其中,电子商务广告植入已经称为网红变现的最主要方式之一。该项目从网络红人、电商卖家、和电子商务平台三方面的决策优化问题展开研究。其中,网红需要根据粉丝的互动反馈行为动态学习自己的商誉,一方面有策略地调整自己发布的内容(UGC)进而树立形象;另一方面有策略地决定广告内容的植入时机和方式。其次,店铺卖家作为广告主,需要在同时考虑市场竞争的情境下根据利润最大化的原则动态选择合作网红达人的时机和类型。最后,从整个电子商务平台来说,实时监控私誉流量的转化率,宏观调控公共流量的分配,区分用户发布内容的类型,制定有效的内容营销双边市场的激励系统。该研究分别对电商卖家、网络红人、以及淘宝平台三方面的策略行为进行建模分析,旨在解决以下三个研究问题:1) 在线卖家选择合作网红的行为决策;2) 网络红人内容创造过程中插入广告的行为决策;3) 电商平台转型内容化、社区化的策略部署。
数据溯源是数据安全技术体系的最后也是非常关键的一环,是传统加解密、访问控制等技术组件的必要和有益的补充,对于数据的滥用、盗用和泄露起到非常有力的威慑和追溯作用,在2017年第三届中国国际大数据博览会的多个数据安全高层论坛和峰会上,多位政府高级官员和专家学者也都强调了数据溯源的重要性和迫切性。而非结构化信息有一些自己的特点,第一其格式非常多样,第二其标准是多样性的,第三就是在技术上非结构化信息比结构化信息更难标准化和理解。所以针对非结构化数据的溯源尤其必要和重要。阿里巴巴目前在信息隐藏技术领域的技术积累相对薄弱,缺少信息隐藏技术的业务部署和商用成功案例,现在又面临着多个事业部迫切的商务需求。鉴于当前业务需求主要将信息隐藏用于数据泄露溯源,而溯源除了需要采用信息隐藏技术,还需要使用数字指纹的编码和协议(方案),而针对数字指纹的共谋攻击是一个非常有挑战的开放技术问题,本合作项目将针对不超过三个共谋者或共谋者具有同一数据的不超过三份不同副本的情形展开合作研究,编码方案和协议对于攻击和取证具有80%以上的可靠性。
新商业场景下的城市三元空间大数据指的是发生在城市应用场景下的物理空间、社交空间、网络空间的各种采集和计算数据。这是反映城市生活、消费、经济、管理等各方面的原始“大数据”。他们的一个共同特点是:在线。以阿里合作伙伴的需求出发,城市三元空间的大数据包括:物理空间,社交空间,网络空间。经历了10余年用户转化、并购、价格战等高速发展和白热化竞争,以阿里巴巴为代表的中国优秀的在线商务公司,已经从早期的跑马圈地、血腥肉搏战中脱颖而出,奔向精细化营销、服务体验提升的新时期。目前,中国的在线商务公司已经完成数据的收集、组织和管理。“数据业务化、业务数据化”是阿里大数据商业化的重要方向。数据可视化是数据商业化产品中离用户最近的一个环节。随着阿里生态体系的逐渐庞大,需要处理的数据海量、多样、复杂,传统的低维度、静态的图表无法满足当前业务对数据呈现与分析的复杂度、实时性和敏捷性的需求,也是数据商业化,直面用户遇到的一个很大的挑战。本期项目将围绕新商业场景中城市三元空间大数据的可视化这一核心目标,研发阿里新商业场景中的可视化瓶颈问题,即多源异构时空大数据可视化。项目将探索大数据在商业产品中应对海量、高维、异构、实时数据的数据分析与可视化的新途径。综合可视化、可视分析、数据挖掘、图形学等领域的最新成果,产出体系化的数据可视化与可视分析方法及原型演示,直接牵引创新的可视化应用在阿里生态环境中的落地。
Pouch 作为一种容器运行时(container runtime),生态层面始终积极拥抱CNCF。为实现支持 Pouch 对接 Kubernetes 生态,首先需要为 Pouch 实现容器运行时接口(Container Runtime Interface,CRI)。此次浙江大学与阿里巴巴集团的合作,将围绕“Pouch 容器支持 Kubernetes CRI 标准”开展。CRI让kublet无需编译就可以支持多种容器运行时的插件接口,包括protocol buffers,gRPC API和相关的库。在引入CRI之前,容器需要通过内部接口直接集成到Kublet源码,这样要求对Kublet内部原理非常熟悉。引入CRI后,Kublet与运行时间的通信。本项目的主要合作内容包括:1)根据 Pouch 现有容器 API 接口与 CRI 标准,设计 Pouch 实现 CRI 接口的软件架构;2) 基于架构设计,实现 CRI 接口的所有代码,并与Pouch 集成;3) 验证通过可插拔的方式,在 Kubernetes 集群中通过 CRI 接口管理Pouch;4) 通过Pouch来支持100台物理服务器规模的Kubernetes集群,并提供CRI接口实现的性能测试报告和CRI接口实现的稳定性测试报告;
业界主流开源容器编排框架主要有Docker Swarm、Kubernetes两类。从技术对比上,Swarm更易用和简单,Kubernetes相对复杂而功能完整。从市场接受度来看,Swarm和Kubernetes都有较大的用户接受群体,目前阿里云主要基于Swarm提供容器云解决方案,对Kubernetes在云平台上大规模使用的性能、可靠性、简洁开发及交付方法,以及行业测试标准制定等方面缺乏技术储备。本项目的意义及重要性主要包括如下三个方面:首先,通过对千台规模以上的Kubernetes框架进行测试,实际检视该框架的各项技术指标,以及与阿里云平台的兼容性,为进一步的Kubernetes工程开发进行必要的技术储备;其次,通过摸索一套基于IDE全生命周期支持的简洁开发与交付方法,可以提高云平台上Kubernetes等开源容器编排框架的相关研发与交付体验;最后,通过设计一个统一的Benchmark方法论和基线,提供对基于Kubernetes等开源容器编排框架的Docker全版本兼容性进行检查的有效手段,并进一步给出客观评价容器的性能和稳定性的测试标准。
随着数据中心规模的迅速增长,应用系统数量急剧膨胀,数据中心的运维工作变得越来 越重。传统数据中心运维以人工分析运维日志,规划数据中心资源和应用部署、定位平台和 应用故障等,往往需要大量的工作,导致运维投入快速增长。基于此从容器,应用,以及各种 日志中自动采集的数据集,研究合适的机器学习的算法和数据分析技术,做到灵活实时故障 根源定位, 以确保数据中心的稳定性和提高运维的效率。 本课题拟重点研究: 1) 应用性能相关的数据采集和数据项的研究,结合专家经验和机器学习算法,总结出哪 些核心指标数据可以被用来指导数据中心的数据分析,服务于故障根源定位. 2) 基于实时监控数据分析的智能巡检,通过根源分析和链路数据,定位出根源故障, 提升运维效率。 3) 基于机器学习的故障预测,实现对故障进行提前识别和预防。
服饰是受互联网影响最深的行业之一,零售端电商化程度已经达到30%,因此对供给侧的倒逼作用十分强烈。整个服饰行业,多款式、小批量、快速生产已经成为整体共识和发展方向,而传统的服装产业过程中,设计过程需要采购面料,打版师和设计师进行不断的沟通和协作,完成样衣,整个链路和成本非常高。通过沉淀学习专业打板师的核心经验值,结合实验室对面料物理特进真实建模技术,建立虚拟设计打版,提供编辑器,快速将效果反馈给设计师,提升设计环节的效率和成本。降低天猫商家供应链成本,丰富天猫服饰的品类。其中面料的高精度仿真是解决打版制衣全数字化的关键。
阿里技术 | 达摩院 copyright@2017-2018 阿里巴巴-浙江大学前沿技术联合研究中心《法律声明》
浙公网安备: 33010002000092号
| ICP备案网站信息: 浙B2-20120091-4