高層速讀
關(guān)鍵信息:何愷明,2003年廣東省理科高考狀元,2007年清華大學(xué)畢業(yè)之后開始在微軟亞洲研究院(MSRA)實習(xí),2011年香港中文大學(xué)博士畢業(yè)后正式加入MSRA,目前在Facebook人工智能實驗室(FAIR)實驗室擔(dān)任研究科學(xué)家,何愷明曾兩次摘得CVPR最佳論文獎(2009和2016),在今年CVPR上獲 PAMI 年輕學(xué)者獎。
關(guān)鍵數(shù)據(jù):他是第一位在CVPR獲獎的華人,2016年論文中提出的深度殘差網(wǎng)絡(luò)(ResNet)在ImageNet比賽中擊敗谷歌等公司奪得第一;他在MSRA工作了近10年。
關(guān)鍵意義:何愷明這位少年天才,一直為學(xué)界提供著諸多有分量的研究成果。
在剛剛過去的計算機視覺頂級會議 CVPR 2018 上,有超過 3300 篇論文投稿,錄取 979 篇(接受率約為 29%,其中包括 70 篇 Oral 和 224 篇 Spotlight 論文),其中來自中國廣東的何愷明 —FAIR 研究科學(xué)家(Facebook AIResearch)—獲得本屆大會的 PAMI 年輕學(xué)者獎。
CVPR是IEEE Conference on Computer Vision and Pattern Recognition的縮寫,即IEEE國際計算機視覺與模式識別會議。該會議是由IEEE舉辦的計算機視覺和模式識別領(lǐng)域的頂級會議。
何愷明博士,2007年清華大學(xué)畢業(yè)之后開始在微軟亞洲研究院(MSRA)實習(xí),2011年香港中文大學(xué)博士畢業(yè)后正式加入MSRA,目前在Facebook人工智能實驗室(FAIR)實驗室擔(dān)任研究科學(xué)家。
何愷明博士最讓人印象深刻的是曾兩次以第一作者身份摘得CVPR最佳論文獎(2009和2016),其中2016年CVPR最佳論文為圖像識別中的深度殘差學(xué)習(xí)(Deep Residual Learning for Image Recognition),就是舉世聞名的152層深度殘差網(wǎng)絡(luò) ResNet-152。
何愷明
FAIR研究科學(xué)家
2003年廣東省高考狀元
清華大學(xué)本科
香港中文大學(xué)研究生
微軟亞洲研究院實習(xí)與工作
2009年CVPR最佳論文獎
2016年CVPR最佳論文獎
2017年ICCV最佳論文獎與最佳學(xué)生論文獎
2018年P(guān)AMI青年研究員獎
CVPR 2015,ICCV 2015,CVPR 2017
杰出評審員獎
何愷明在機器視覺領(lǐng)域獲獎累累,他的第一次CVPR最佳論文獎是2009年在微軟研究院實習(xí)時發(fā)表的,題目為《Single image haze removal using dark channel prior》(利用暗通道進(jìn)行圖像去霧)。
何愷明不是書呆子,在打游戲時他意識到,人的視覺一定有一種有效的機制用于感知霧氣的存在,而這種機制可以用作去除圖像的霧氣,定會優(yōu)于現(xiàn)存的方法。在不斷地向自己提問與導(dǎo)師孫劍(現(xiàn)任Face++首席科學(xué)家)的幫助下,這一篇論文終于出現(xiàn)了。這是華人首次在CVPR上獲獎,同時何愷明在邁阿密CVPR的演講,也被觀眾認(rèn)為是那屆CVPR上最有趣的演講。
何愷明第二次CVPR獲獎是在2016年,當(dāng)時他仍在微軟亞洲研究院進(jìn)行計算機視覺的研究,這一年,他和同事共同開發(fā)了深度殘差網(wǎng)絡(luò)(ResNets),這是目前計算機視覺中流行的體系結(jié)構(gòu),可應(yīng)用在語言和語音識別方面,AlphaGo身上也有它的身影,ResNets大幅降低了訓(xùn)練更深層次神經(jīng)網(wǎng)絡(luò)的難度,也使準(zhǔn)確率得到顯著提升。
ResNets在2015年舉辦的ImageNet圖像識別大賽中,一舉擊敗谷歌、英特爾、高通,榮獲第一名,曾經(jīng)風(fēng)靡過的年齡檢測就有其團隊的貢獻(xiàn)。ResNets的論文《圖像識別深度差殘學(xué)習(xí)》在2016年CVPR上奪得最佳論文獎,何愷明仍是第一作者。
何愷明從小在廣州歷史悠久的荔灣區(qū)長大,父母均在企業(yè)里從事管理工作,作為獨生子的何愷明在教育優(yōu)良的環(huán)境中長大。年少時,何愷明特別喜歡去少年宮畫畫,有時一待就是大半天,這也鍛煉了他沉穩(wěn)的性格。
何愷明的成績優(yōu)秀且特別穩(wěn)定,基礎(chǔ)很扎實,在執(zhí)信中學(xué)就讀時期獲得過全國物理競賽和省化學(xué)競賽的一等獎,因此他在高考前的5月份就已經(jīng)被保送清華大學(xué)。但他并沒有放棄考高直接入學(xué),而是與其他人一樣參加了考試,并發(fā)揮出了極佳水平——2003年廣東省理科高考狀元。同時他也放棄了清華保送班——機械工程及其自動化專業(yè),轉(zhuǎn)而選擇了更有挑戰(zhàn)性的基礎(chǔ)科學(xué)班。
在清華的學(xué)習(xí)中,何愷明同樣穩(wěn)定且優(yōu)秀,連續(xù)3年獲得清華獎學(xué)金。2007年,還未畢業(yè)的何愷明進(jìn)入了微軟亞洲研究院(MSRA)實習(xí),他并未選擇自己擅長的物理和數(shù)學(xué)工作組,而是根據(jù)興趣選擇了進(jìn)入視覺計算組。然而,他的興趣不足以支撐工作需要。
在MSRA中,導(dǎo)師孫劍帶領(lǐng)著何愷明進(jìn)行課題研究,但計算機視覺的一切東西對何愷明開說基本都是新的,所以盡管換過很多課題,但都以失敗告終。好在研究氛圍輕松,讓何愷明那段時間可以為日后的研究打下基礎(chǔ)。
在研究課題均落空了之后,偶然的機會讓何愷明開始對圖像中的霧氣去除產(chǎn)生了興趣,于是就誕生了開篇所說的2009年CVPR最佳論文,導(dǎo)師孫劍的提問與質(zhì)疑功不可沒,此處不再詳述。
從清華大學(xué)畢業(yè)之后,何愷明回到家鄉(xiāng),進(jìn)入香港中文大學(xué)攻讀碩士與博士學(xué)位,同時仍然參與在微軟亞洲研究院的工作。2011年,博士畢業(yè)的何愷明正式加入MSRA,進(jìn)行計算機視覺和深度學(xué)習(xí)的研究工作。
他在這里總共待了將近10年的時間,直到Facebook的出現(xiàn)。2016年8月,何愷明離開了MSRA,前往美國加州Facebook擔(dān)任FAIR研究科學(xué)家。
在Facebook人工智能實驗室,何愷明不受影響般繼續(xù)著他的研究,2017年,《利用焦點損失提升物體檢測效果》一文,一舉奪下國際計算機視覺會議(ICCV)最佳學(xué)生論文。
2018年,何愷明獲得了PAMI青年研究員獎,同時他與同事也提交了4篇論文,在何愷明6月份的最新論文中,我們也看了AI大神Yann LeCun的名字。
無論是在MSRA還是FAIR,何愷明都以嚴(yán)謹(jǐn)?shù)淖藨B(tài)為學(xué)界帶來諸多有分量的研究成果,可能公司對他來說已不重要,重要的是,他可以與哪些人一起進(jìn)行他喜歡的領(lǐng)域的研究。
- 蜜度索驥:以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
- 華為研發(fā)中心入駐上海青浦致小鎮(zhèn)房租大漲,帶動周邊租房市場熱潮
- 華為員工涌入蘇滬兩地,房東狂歡:租金幾近翻倍,跨省租房成新常態(tài)
- 制造業(yè)巨頭空客計劃裁員2500人,應(yīng)對航天業(yè)務(wù)虧損與供應(yīng)鏈挑戰(zhàn)
- 科技創(chuàng)新引領(lǐng)產(chǎn)業(yè)發(fā)展:江陰市與清華大學(xué)攜手推進(jìn)重大科技項目
- 美國或再升級出口管制:考慮限制AI芯片對中東出口
- 劉強東章澤天報案:京東發(fā)言人證實夫婦倆遭有組織造謠,警方已介入
- 東方甄選擬15億出售教育業(yè)務(wù)
- 虧764億上熱搜 蔚來裁員10%,銷量跌出前三
- IBM設(shè)立5億元AI創(chuàng)投基金
- 聯(lián)想發(fā)布 ThinkStation P8工作站
免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實,并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。