3月23日，由雷鋒網(wǎng) & AI掘金志主辦的「第二屆中國(guó)人工智能安防峰會(huì)」在杭州召開(kāi)。

峰會(huì)現(xiàn)場(chǎng)，松下（新加坡）研究院原副院長(zhǎng)、澎思科技首席科學(xué)家申省梅發(fā)表演講《視頻監(jiān)控場(chǎng)景下無(wú)約束人臉識(shí)別與圖像增強(qiáng)》。

申省梅表示，動(dòng)態(tài)視頻監(jiān)控場(chǎng)景下，人臉識(shí)別的最大技術(shù)挑戰(zhàn)之一便是無(wú)約束人臉識(shí)別，如何通過(guò)算法實(shí)現(xiàn)復(fù)雜場(chǎng)景下的精準(zhǔn)識(shí)別，是安防企業(yè)現(xiàn)階段急需攻克的重要算法難題。

為此，申省梅在演講中，針對(duì)復(fù)雜環(huán)境下的細(xì)分人臉識(shí)別問(wèn)題，分別講述了遷移學(xué)習(xí)、異構(gòu)多模型融合、雙代理對(duì)抗生成網(wǎng)絡(luò)生成多面部姿態(tài)數(shù)據(jù)和圖像增強(qiáng)（去除運(yùn)動(dòng)模糊、低光圖像增加、去噪、超分別率、去抖動(dòng)-去霧-去雨-去雪）等算法方法，是如何實(shí)現(xiàn)高精度無(wú)約束人臉識(shí)別的。

她說(shuō)到，“AI在無(wú)約束人臉識(shí)別以及圖像增強(qiáng)的算法和產(chǎn)品，接下來(lái)三年會(huì)有更大突破。澎思新加坡研究院將聚焦在安防垂直領(lǐng)域的技術(shù)研發(fā)和前沿科技探索上?！?/p>

截至目前，申省梅團(tuán)隊(duì)的研發(fā)成果已獲得多項(xiàng)國(guó)際比賽冠軍并在各種產(chǎn)品中得到廣泛應(yīng)用，包括十余項(xiàng)計(jì)算機(jī)視覺(jué)領(lǐng)域國(guó)際頂級(jí)競(jìng)賽冠軍和300多項(xiàng)專利。

2019年3月，申省梅宣布加入AI安防公司澎思科技，任首席科學(xué)家、新加坡研究院院長(zhǎng)，致力于監(jiān)控與安全、智慧城市、自動(dòng)駕駛、智能機(jī)器人以及AI工廠自動(dòng)化等領(lǐng)域的相關(guān)技術(shù)研究。

自成立以來(lái)，澎思科技各行業(yè)解決方案已經(jīng)成功落地全國(guó)50多個(gè)城市，服務(wù)客戶超過(guò)百余個(gè)。在全國(guó)多地部署動(dòng)態(tài)人臉識(shí)別點(diǎn)位，累計(jì)抓獲在逃人員近兩千名，并擔(dān)任多項(xiàng)國(guó)家級(jí)大型活動(dòng)的安保工作。

以下為申省梅的現(xiàn)場(chǎng)演講內(nèi)容，雷鋒網(wǎng)作了不改變?cè)獾木庉嫾罢恚?/strong>

各位來(lái)賓下午好！ 我是澎思科技的申省梅，感謝雷鋒網(wǎng)給我們提供的平臺(tái)，讓我們從不同的角度、不同的公司來(lái)分享自己的觀點(diǎn)。今天我想分享的一個(gè)主題是“視頻監(jiān)控場(chǎng)景下無(wú)約束人臉識(shí)別與圖像增強(qiáng)”。

我是西安電子科技大學(xué)電子工程系碩士畢業(yè)。在那個(gè)年代，我已經(jīng)用模糊系統(tǒng)來(lái)搭建人工智能的智能駕駛。當(dāng)時(shí)也做了一個(gè)課題，用人工智能來(lái)設(shè)計(jì)算法，在醫(yī)學(xué)心電圖輔助診斷等領(lǐng)域進(jìn)行研究。

1992年我加入新加坡松下研究所，從事音視頻壓縮、圖像處理還有圖像增強(qiáng)等工作。后來(lái)我們專注于圖像識(shí)別領(lǐng)域的研究工作，因此又做了很多傳統(tǒng)的機(jī)器學(xué)習(xí)。在2009年到2012年期間，3D非?；穑井a(chǎn)品部門(mén)要求我們做3D，怎么從2D變3D？我們?cè)诙潭桃荒臧雰?nèi)，從零開(kāi)始將所有3D技術(shù)提供給了公司的業(yè)務(wù)部門(mén)。

剛才很多人講到2012年是人工智能非常重要的節(jié)點(diǎn)，為什么呢？大家看到，用傳統(tǒng)的機(jī)器學(xué)習(xí)方法去提升1%的識(shí)別準(zhǔn)確率非常困難。而在那年的ImageNet比賽里，我們卻看到一次性完成10%的提升。

當(dāng)時(shí)這件事對(duì)我們研究人有著很大的震撼，所以我們很快用深度學(xué)習(xí)代替機(jī)器學(xué)習(xí)，提升的效果也同樣達(dá)到了10%?；趯?duì)前沿算法科技的敏感性，我們馬上帶領(lǐng)團(tuán)隊(duì)進(jìn)入深度學(xué)習(xí)的領(lǐng)域。短短幾年內(nèi)，我們對(duì)全部傳統(tǒng)的機(jī)器學(xué)習(xí)進(jìn)行改造，對(duì)算法、技術(shù)、產(chǎn)品進(jìn)行更新?lián)Q代，也走在了世界前沿。

你說(shuō)你的技術(shù)好，怎么叫好呢？其中一種方式，便是參加國(guó)際頂級(jí)競(jìng)賽，于是我們參加了十幾項(xiàng)世界級(jí)大賽，都拿了冠軍。

今年我加入了一家非常有潛力的AI初創(chuàng)企業(yè)澎思科技，擔(dān)任首席科學(xué)家、新加坡研究院院長(zhǎng)，這也是一個(gè)非常好的空間，讓我能夠發(fā)揮更大的作用，在新的平臺(tái)上能夠再創(chuàng)佳績(jī)。

我們參加多項(xiàng)國(guó)際比賽，在人臉識(shí)別上拿了兩個(gè)賽事的雙項(xiàng)冠軍。還有目標(biāo)跟蹤、行人檢測(cè)、行人再識(shí)別，目標(biāo)檢測(cè)、圖像分割、圖像分類，交通異常檢測(cè)、自動(dòng)駕駛，智能機(jī)器人，我們都取得了不錯(cuò)的成績(jī)。

可能你們會(huì)說(shuō)，為什么跨度這么大。其實(shí)我們團(tuán)隊(duì)不僅僅是搞機(jī)器學(xué)習(xí)的，我們長(zhǎng)期積累了很重要的知識(shí)，像幾何我們一定要結(jié)合使用。所以我們的技術(shù)是全棧技術(shù)，從機(jī)器識(shí)別、深度學(xué)習(xí)到圖像處理，到三維重建、幾何。

High-Energy團(tuán)隊(duì)帶著對(duì)最前沿算法和技術(shù)創(chuàng)新的敏感度，以及商業(yè)意識(shí)和產(chǎn)品思維，在大公司做了這么多年，一直在追求系統(tǒng)性管理和卓越團(tuán)隊(duì)的建設(shè)。我們建了一個(gè)非常有活力的明星團(tuán)隊(duì)，也為組建這樣的卓越團(tuán)隊(duì)感到自豪。

加入澎思科技，我覺(jué)得有一個(gè)很大的空間給我發(fā)揮，我會(huì)做得更好。

我們講到安防系統(tǒng)。澎思科技也是立足于軟件、硬件，端到端，我們的人工智能不僅僅用到終端圖像識(shí)別，也會(huì)用在前端包括拍攝端、圖像處理、SoC，做到全部垂直領(lǐng)域的應(yīng)用開(kāi)發(fā)。

談到監(jiān)控視頻結(jié)構(gòu)化。我們用到各種各樣的算法，場(chǎng)景一變，算法可能就不一樣了。我覺(jué)得不用擔(dān)心，因?yàn)槲覀兊膱F(tuán)隊(duì)就是有全棧技術(shù)的。有人稱我們團(tuán)隊(duì)是算法魔術(shù)師，場(chǎng)景需要什么，我就提供什么。在這個(gè)過(guò)程中，人臉識(shí)別還是起著非常重要的作用。

剛才講到的系統(tǒng)三大部分，智能傳感-拍攝端、AI圖像增強(qiáng)SoC、AI圖像識(shí)別，包括場(chǎng)景、事件、大數(shù)據(jù)的分析終端。我們這樣做，為安防產(chǎn)品的增值，為澎思中期和未來(lái)安防產(chǎn)品形成全面和垂直的落地打下基礎(chǔ)。

我想用這個(gè)表來(lái)做一個(gè)總結(jié)。

澎思核心算法分為三類：

前沿算法細(xì)分上，第一個(gè)是圖像識(shí)別方面，我們可以看到很多的算法。

在人臉檢測(cè)方面、對(duì)準(zhǔn)、識(shí)別到一人一檔、FaceID，以后走到哪里，你的臉就是你的ID；面部屬性檢測(cè)包括性別、年齡、人種、美顏、表情、狀態(tài)、性格等；人體檢測(cè)包括姿態(tài)、姿勢(shì)、穿著、描述、跟蹤、跨境識(shí)別/ReID，人的行為檢測(cè)包括特定行為判斷和預(yù)測(cè)等等。

在安防行業(yè)，很多危險(xiǎn)行為的判斷預(yù)測(cè)也很重要。一個(gè)車發(fā)生事故后逃逸，我們只要調(diào)動(dòng)就近的相機(jī)就很快抓到這輛車，這對(duì)智能交通的管理非常重要。還有其他物體的識(shí)別追蹤等等，還有語(yǔ)義的理解。

在圖像增強(qiáng)方面，有去噪聲、去模糊、去抖動(dòng)、超分辨率，抗反光/抗逆光，還有去霧、去雨、去雪等等。在圖像抓拍方面，有新的傳感器的出現(xiàn)，比如AI-on-Sensor、AI圖像質(zhì)量評(píng)價(jià)以及AI的在控捕捉等等。

現(xiàn)在我們談一下人臉識(shí)別的過(guò)去、今天以及面臨的挑戰(zhàn)。

人臉識(shí)別不是一個(gè)很新的課題，20多年前人臉識(shí)別就已經(jīng)在某些產(chǎn)品里得到應(yīng)用，用的是過(guò)去的機(jī)器學(xué)習(xí)。那個(gè)時(shí)候公開(kāi)的數(shù)據(jù)集基本上都是限制性的人臉，都是近距離或者是光線受到控制的圖像。今天我們看到動(dòng)態(tài)監(jiān)控相機(jī)下捕捉的人臉，這個(gè)跨度非常大，行人是多姿態(tài)的，并且質(zhì)量沒(méi)辦法控制，尤其是光線，會(huì)對(duì)識(shí)別造成很大的影響。

大家注意到，訓(xùn)練數(shù)據(jù)級(jí)也變化了，從小數(shù)據(jù)到公開(kāi)大數(shù)據(jù)、超級(jí)大數(shù)據(jù)，過(guò)去比賽的測(cè)試數(shù)據(jù)都是比對(duì)正臉的，即使今天的比賽也如此，一直到最近IJB-C出現(xiàn)多姿態(tài)側(cè)臉的競(jìng)賽。

但這也不是真正代表安防場(chǎng)景下動(dòng)態(tài)監(jiān)控視頻下的數(shù)據(jù)。

如果我們談到人臉識(shí)別的迭代變化，2012年是一個(gè)分界點(diǎn)。在這之前，算法用的都是傳統(tǒng)的手工特征，過(guò)去傳統(tǒng)的機(jī)器學(xué)習(xí)，我們只能用這些。但是即使在正向的人臉識(shí)別里，比如LFW，都達(dá)不到90%。

今天的深度學(xué)習(xí)，一個(gè)小模型都可以拿到99%，所以這是兩個(gè)完全不一樣的概念。

2013年到2016年，我們看到特征的變化，以及有LFW數(shù)據(jù)庫(kù)的出現(xiàn)，超級(jí)大數(shù)據(jù)以及光線不均勻多姿態(tài)的動(dòng)態(tài)測(cè)試集，帶動(dòng)了新算法出現(xiàn)。我們也希望看到安防動(dòng)態(tài)監(jiān)視視頻下真正的數(shù)據(jù)集，能夠開(kāi)放給大家比賽。

當(dāng)然二維、三維人臉特征的識(shí)別和提取，以及人臉的防偽，都對(duì)將來(lái)FaceID這種功能提出要求。

大家知道無(wú)約束人臉的識(shí)別，面部姿態(tài)變化巨大，有很多遮擋、光線不均勻的情況，表情、像素也不一樣。從很遠(yuǎn)的地方拉近后，失真嚴(yán)重。而且還有靜態(tài)、動(dòng)態(tài)等情況。

上圖是Nist IJB-A比賽的圖像，不同的角度、不同的光線，遮擋、戴眼鏡，有些字擋住嘴巴，還有不同像素相機(jī)拍攝的圖片。我們2017年3月團(tuán)隊(duì)代表松下參加比賽，拿到冠軍獎(jiǎng)項(xiàng)。同年5月，松下也發(fā)表了這個(gè)成果。

這個(gè)挑戰(zhàn)賽也明確顯示了我們的算法在模板比賽下能做出很好的成績(jī)。

下圖是算法的總結(jié)，我們用了遷移算法，也用了異構(gòu)多模型的融合，和大家知道的雙代理對(duì)抗生成網(wǎng)絡(luò)。當(dāng)然在此當(dāng)中，數(shù)據(jù)怎么樣清理、預(yù)處理，也起著重要的作用。

這是我們比賽的Leaderboard，紅色框里面是我們的成績(jī)。

你可以看到傳統(tǒng)的人臉識(shí)別算法，以前可能還是第一名、第二名。但是在IJB-A無(wú)約束人臉測(cè)試集下面，它們的識(shí)別率僅僅是20%、50%、60%，這個(gè)變化是非常大的，技術(shù)在不斷發(fā)展，性能在不斷提高，我們拿到了98%。

從這個(gè)圖里也可以看到，越小的error越好。盡管那個(gè)時(shí)候傳統(tǒng)的算法都是名列前茅，比如在身份證上和護(hù)照測(cè)試級(jí)上，但是要在一個(gè)多姿態(tài)、不同光線的人臉測(cè)試集下，傳統(tǒng)算法的性能可能會(huì)下降很大。

再談一下大數(shù)據(jù)人臉識(shí)別。2017年7月，微軟組織的一個(gè)百萬(wàn)名人識(shí)別大挑戰(zhàn)。7月份公布，我們的成績(jī)又拿到雙項(xiàng)冠軍。

在2018年2月份，松下已經(jīng)把這項(xiàng)成果應(yīng)用到產(chǎn)品里，并且在東京召開(kāi)發(fā)布會(huì)。從下圖中可以看到，我們這種跨年齡、跨姿態(tài)以及有遮擋的情況都能檢測(cè)出來(lái)。而且松下的產(chǎn)品不光是人臉識(shí)別算法，在攝像頭、圖像增強(qiáng)方面還可以減低很多傳輸帶寬。也許大家知道，松下的安防產(chǎn)品在日本是第一。

剛才談到測(cè)試數(shù)據(jù)集，比如現(xiàn)在的LFW在2012年就出現(xiàn)，現(xiàn)在已經(jīng)飽和了。到今天的MegaFace、微軟以及IJB-A/B/C。所有的數(shù)據(jù)還是一個(gè)特點(diǎn)，都是基于網(wǎng)上收集的數(shù)據(jù)，不是動(dòng)態(tài)監(jiān)控下采集的數(shù)據(jù)。所以希望有一天很快到來(lái)，我們可以測(cè)試這樣的數(shù)據(jù)。

剛才講到GAN的應(yīng)用，我分享一下這篇文章。

IJB中的多姿態(tài)識(shí)別，問(wèn)題在于我們訓(xùn)練數(shù)據(jù)集很難拿到很平衡的數(shù)據(jù)。上圖左邊是告訴大家，這個(gè)訓(xùn)練集里面，左右角度的數(shù)據(jù)很多，但是角度偏一些數(shù)據(jù)就減少很大。我們用了這個(gè)GAN，右邊就產(chǎn)生了較多在側(cè)角度的數(shù)據(jù)。

我們也做了性能比較，大家可以看下我們自己做的b1、b2、DA-GAN的結(jié)果。b1是說(shuō)我們不加任何多余的訓(xùn)練數(shù)據(jù)。b2是我們用之前的訓(xùn)練模型加額外的3D人臉合成訓(xùn)練數(shù)據(jù)。最后一個(gè)是我們用自己的DA-GAN來(lái)產(chǎn)生的一些平衡數(shù)據(jù)。我們的GAN相比之下帶來(lái)明顯的性能增加。所以我們GAN的工作也在NIPS-IJCAI-AAAI等學(xué)術(shù)會(huì)議上發(fā)表，也用GAN來(lái)生成不同年齡的人臉。

剛才講到動(dòng)態(tài)監(jiān)控條件下捕捉的人臉，我們除了在人臉識(shí)別性能上提高外，我們也考慮別的方式。比如說(shuō)在源端著手捕捉到更好的圖像，還有圖像增強(qiáng)的方法，我會(huì)在AI圖像增強(qiáng)、SoC方面做一些分享。

第一個(gè)分享的是去除運(yùn)動(dòng)模糊的問(wèn)題。大家都知道，左邊的圖像我們常?？床坏郊?xì)節(jié)。大家說(shuō)都用HDR來(lái)恢復(fù)圖像的細(xì)節(jié)，這個(gè)方法是長(zhǎng)短曝光多次，合成光線均勻的寬動(dòng)態(tài)范圍圖像。有個(gè)問(wèn)題是什么呢？在場(chǎng)景當(dāng)中有運(yùn)動(dòng)的物體出現(xiàn)，就沒(méi)辦法做到所謂的普通HDR圖像，會(huì)很模糊。但是下面這張用我們的算法運(yùn)動(dòng)補(bǔ)賞，可以很清晰地看到圖像的細(xì)節(jié)。我們拿到了最佳的Paper，也用在了公司的產(chǎn)品上面。

第二個(gè)是關(guān)于低光圖像增強(qiáng)方法，可以看到上面有兩組圖像。左邊黑漆漆的，但是用了圖像增強(qiáng)方法，就可以看到細(xì)節(jié)。尤其是對(duì)人臉來(lái)說(shuō)，右邊的人臉就可以識(shí)別出來(lái)。傳統(tǒng)的圖像增強(qiáng)方法都有一些限制，今天人們結(jié)合深度學(xué)習(xí)可以做到更高的保真度。

去噪聲的方法，大家都知道BN3D是很出名的去噪聲方法，但是它總是根據(jù)相機(jī)的強(qiáng)度而做的，很難做好。我們這篇文章也獲得最佳論文，我們用了深度卷積CNN加了LSTM，能夠追蹤到噪聲的相關(guān)性，主觀和客觀質(zhì)量結(jié)構(gòu)表明，這種方法可以獲得很好的圖像質(zhì)量。

下面來(lái)談一下超分辨率，超分辨率不是一個(gè)很新的課題，已經(jīng)很多年了，大家都是用過(guò)去傳統(tǒng)的方法實(shí)現(xiàn)，也包括一些監(jiān)督的和非監(jiān)督的方法，這些方法很多。

我們要關(guān)心的是什么呢？我們關(guān)心的是你怎么評(píng)價(jià)它，你的評(píng)價(jià)標(biāo)準(zhǔn)是什么，跟你的應(yīng)用有關(guān)系。我們說(shuō)，人工智能要跟場(chǎng)景有關(guān)。我們比較重視的是人臉，你對(duì)人臉的識(shí)別保真度如何，這個(gè)對(duì)我們來(lái)講是非常重要的。

我舉這個(gè)例子，上圖左邊這個(gè)Low Resolution圖像，是從很遠(yuǎn)的地方拍到的人，你非常想知道這個(gè)人是誰(shuí)，拉近的時(shí)候就會(huì)出現(xiàn)失真。當(dāng)我們用了不同的超分辨率的以后，就會(huì)看到有各種各樣的表現(xiàn)。黃色的兩幅圖，對(duì)于人眼來(lái)說(shuō)差不多。但是在恢復(fù)人臉I(yè)D的保真度上有很大的不同。我們?cè)u(píng)價(jià)的準(zhǔn)則是什么？給大家看一下這個(gè)表，最終告訴我們，用深度學(xué)習(xí)給超分辨率帶來(lái)的好處是，你輸入的圖象尺寸是12×14pixel，跟你輸入圖像22×24pixel，得到的精確度基本上是接近的。

另外，有人利用臉部屬性，也就是局部區(qū)域來(lái)增加恢復(fù)高分辨率面部圖像的真實(shí)度。

去抖動(dòng)、去霧、去雨、去雪的這些方法，這些對(duì)安防產(chǎn)品非常有用。

我講了很多前沿算法。在不同場(chǎng)景下的應(yīng)用，澎思科技專注于計(jì)算機(jī)視覺(jué)和物聯(lián)網(wǎng)技術(shù)，提供各種各樣場(chǎng)景下垂直行業(yè)的解決方案。所以我們?nèi)珬５倪w延算法是很好的配合，可以讓公司做得更快更大。

澎思科技的核心實(shí)力在于全自研、全棧計(jì)算機(jī)視覺(jué)技術(shù)。不光是學(xué)習(xí)，我們有計(jì)算機(jī)的幾何、三維重建方面的技術(shù)。全系列的軟硬件產(chǎn)品、全場(chǎng)景的解決方案以及全方位的服務(wù)能力。

這是我們軟硬件的產(chǎn)品，包括智慧社區(qū)的管理平臺(tái)、智能人像大數(shù)據(jù)的情報(bào)平臺(tái)和智慧警務(wù)大數(shù)據(jù)平臺(tái)，和各種各樣的硬件終端產(chǎn)品。我們?cè)诠病⒅腔蹐@區(qū)、智慧社區(qū)、智能制造、智能交通等行業(yè)都有應(yīng)用。從成立以來(lái)，澎思科技已經(jīng)成功落地在50多個(gè)城市。

總結(jié)一下，在安防實(shí)戰(zhàn)場(chǎng)景下，動(dòng)態(tài)視頻監(jiān)視技術(shù)仍然面臨很大的挑戰(zhàn)。接下來(lái)三年，AI在無(wú)約束人臉識(shí)別以及圖象增強(qiáng)的算法和產(chǎn)品，會(huì)有更大的突破。

澎思新加坡研究院，專注于垂直領(lǐng)域技術(shù)的研發(fā)以及前沿科技探索儲(chǔ)備，像剛才有人講的算法孵化器，一個(gè)是場(chǎng)景算法，一個(gè)是算法孵化器，使得我們公司能夠很快地拓展業(yè)務(wù)。謝謝大家！

關(guān)于中國(guó)人工智能安防峰會(huì)

由雷鋒網(wǎng) & AI掘金志主辦的「2019中國(guó)人工智能安防峰會(huì)」，是業(yè)內(nèi)極具影響力的AI安防論壇，致力于推動(dòng)中國(guó)“AI-安防”落地融合與“學(xué)術(shù)-產(chǎn)業(yè)”的應(yīng)用交叉。

延續(xù)上一屆峰會(huì)的高水準(zhǔn)、高人氣，2019中國(guó)人工智能安防峰會(huì)再度站在算法、工程和產(chǎn)品的最前沿，引導(dǎo)安防行業(yè)認(rèn)知再升級(jí)。這是?？?、大華、華為、阿里、騰訊以及多個(gè)AI獨(dú)角獸，因“AI安防”首次同臺(tái)，峰會(huì)現(xiàn)場(chǎng)也聚集了海內(nèi)外1000多位政企管理層和技術(shù)研究員，共同探討2019年的AI安防智能技術(shù)部署、前沿算法應(yīng)用與商業(yè)戰(zhàn)略布局。

本次峰會(huì)共設(shè)置“城市大腦與邊緣計(jì)算”、“全球頂尖算法應(yīng)用”、“前端動(dòng)態(tài)識(shí)別與智能視頻云”、“城市AIoT與邊緣智能引擎”四大議題，出席的15位演講嘉賓分別是：

上午場(chǎng)：阿里巴巴華先勝、?？低暺质懒痢⒋笕A股份殷俊、地平線張永謙、深瞐科技陳瑞軍、商湯科技張果琲、浪潮商用機(jī)器張琪。

下午場(chǎng)：香港科技大學(xué)權(quán)龍、原松下（新加坡）研究院申省梅、華為余虎、觸景無(wú)限肖洪波、曠視科技安洋、千視通胡大鵬、騰訊李牧青、中科院自動(dòng)化所王金橋。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。