计算机视觉前沿与深度学习.pdf

专题 第 11 卷  第 4 期  2015 年 4 月
计算机视觉前沿与深度学****br/> 并非只是利用复杂模型拟合数据
特征、大数据、稀疏低秩、深度 70% 以上是关于视觉图像识别方 集。DeepID2+ 系统的神经元响
学****等技术的不断涌现，使计算 面的。 应有很多重要的性质，比如它是
机视觉又迎来了一次突飞猛进的 为了更好地开展学术交流， 中度稀疏的，对人物身份和人脸
发展，开辟出许多新的研究领域。 推动国内计算机视觉学科发展， 属性有很强的选择性，对局部遮
国内高校与科研单位在计算机 进一步提升我国计算机视觉研究 挡具有良好的鲁棒性。这些性
1 标注过的户外脸部测试数据集。
6第 11 卷  第 4 期  2015 年 4 月
质通过大数据训练自动获得，而 论的推动，系统地发展出了二阶 数、参数稀疏化等颇具价值的知
非通过对模型显式地加入各种约 稀疏性的理论与应用。 识经验，指出了深度学****在增强
束。这些研究成果启发我们进一 中国科学院自动化研究所 学****大规模弱标注数据训练，
步探索大脑是否也具有类似的性 副研究员黄永祯和研究员王亮在 低层、高层视觉结合，硬件加速
质，不断开拓新的研究方向。 《视觉局部特征的表达学****一 等问题的研究方向。
中国科学院计算技术研究 文中介绍了局部特征的监督和非 计算机视觉的终极目标是“建
所研究员山世光等人撰写的文章 监督表达学****通过卷积神经网 立一个智能的系统，能够让计算
《深度学****在人脸分析与识别中 (Convolutional Neural Networks, 机和机器人像人一样看懂世界，
的应用》概述了中科院计算所在 CNN) 监督模型进行局部特征表 也可能超越人类，比人类更能看
深度学****人脸感知方面的相关 达学****后，在