视觉是人类获取信息的主要渠道。网络化视觉感知计算集视觉感知、压缩、网络通信、AI分析于一体，实现人类对物理世界的大规模实时动态的智能感知。何志海教授在智能视觉物联网的感知通信、分析表示、推理决策核心层级建立了一系列资源受限情形下端到端的建模优化理论和算法

• 首次发现并证明了视觉编码率与零量化系数的线性关系，建立了不同视觉变换编码方法和系统的ρ-Domain统一率失真理论模型；

• 首次建立了能耗资源受限情形下视觉感知-通信系统性能极限的的能耗-码率-失真(P-R-D)模型

• 提出基于自约束反馈校正的深度学习理论框架，解决深度学习的跨场景可泛化性问题，成功用于视觉物联网人体行为预测

• 率先探索智能视觉物联网在智慧生态环境、智慧大健康、智能制造、智慧教育、智慧交通等领域的重要应用

人工智能实验室在深度学习的基础理论和方法开展了一系列前沿研究，包括

• 无监督、半监督学习、小样本学习的深度神经网络

• 对偶交互深度学习

• 深度神经网络的安全性、攻击和防御

• 深度神经网络的可泛化和可解释性

• 老年医护康养专业领域多模态大模型