“基于機器學習、圖像拼接和隨機通信算法的圖像'障礙物'智能識別與去除系統(tǒng)”（Pure Insight）項目由徐碩、付博、張克、陳孟宋、白金同學共同設計完成。Pure Insight的設計源于生活：拍照時，鏡頭中常常會闖入行人或車輛等障礙物，很難得到一張“純凈”的圖像。因此項目團隊萌生了設計一款智能去除障礙物的軟件的念頭。在后期項目調(diào)研過程中，大家更是驚喜地發(fā)現(xiàn)Pure Insight可以應用于更廣的領域，如實景地圖測繪、航拍圖像處理、影視制作、VR、AR等。

   Pure Insight原先只能簡單地去除運動的障礙物，添加了機器學習模塊后，Pure Insight可以智能識別人像，進而擁有了自動批處理和一鍵除障的能力；為了使得軟件可以去除靜止障礙物，并彌補障礙物去除不干凈的缺陷，又增加了涂抹式修復模塊。在這樣的迭代設計中，Pure Insight逐漸健壯起來。        “基于排序?qū)W習的全局信息抽取算法”項目由鄭豪、劉一、黃若徐同學共同完成。項目出發(fā)點來源于傳統(tǒng)的關系抽取算法并不完善，無論是效率還是準確性都有提升空間。團隊在現(xiàn)有方法的基礎上，開創(chuàng)性地提出了一個能夠有效地利用跨句子信息的方法——RankRE 。這是一種基于排序的方法，此方法首先學習一個基于Listwise 的學習排序模型的評分函數(shù)，然后用其來進行多標簽的關系抽取。實驗結果顯示，該方法比所有的最先進的基準方法更出色。另外，為了進一步提高高質(zhì)量抽取結果的排名，項目團隊提出了一個對不同實體對間關系的排名方法。這個方法可以很容易地集成到綜合關系抽取框架中，并且顯著地提高精度。
     “RIIM火星勘探機器人”項目由馬小山、邱寧、張嘯宇、馬皓曄、蔣越、李鵬宇、劉俊兵同學共同完成。RIIM是一個具有四足機構與籠形外殼的小型機器人，整體行進方式可以用四足移動，也可以利用其外型進行高速的滾動，上面置有圖傳可以及時將畫面?zhèn)骰氐孛嬲?，攝像頭還帶有環(huán)境建模能力以增加偵查的力度。