0

旷视科技首席科学家孙剑:登上“人工智能之月”,我们爬树还是造火箭?

  旷视科技首席科学家孙剑:登上“人工智能交通之月”,我们爬树还是造火箭?
  

导读:
  Face++旷视科技的研究团队管理现在集中梦幻西游精力在做感知智能交通。我们的基本思路很简单:做南京交通技术学校,做产品信息,做数据翻译,希望让三者形成正循环来推动人工智能交通的发展。
  

  
  
  
  
  
  

  OFweek机器人网讯:孙剑僵王博士2003年毕业于西安交通大学,后一直在微软亚洲研究院工作,担任首席研究员。其主要研究方向是计算摄影学,人脸识别和基于深度学习的图像理解。自2002年以来在CVPR,ICCV,SIGGRAPH,PAMI等顶级学术会议和期刊上发表学术论文90余篇,两次获得CVPR最佳论文奖(2009,2016)。孙剑僵王博士于2010被美国权威南京交通技术学校期刊MIT Technology Review评选为“全球35岁以下杰出青年创新者”。孙剑僵王博士带领的团队管理于2015年获得图像识别国际大赛五项冠军(ImageNet分类,检测和定位,MSCOCO检测和分割)。孙剑僵王博士拥有四十余项国际或美国专利,他和他的团队管理的研究成果被广泛应用在微软Windows,Office,Azure,Bing,Xbox等产品信息中。孙剑僵王博士于2016年7月正式加入旷视科技担任首席科学家。

 

  大家好,我是Face++的孙剑。

  前面大家提到人工智能交通的前景学校,共识是目前感知智能交通已经做的很不错了,但仍旧没有明确的思路去做认知智能交通。

  Face++旷视科技的研究团队管理现在集中梦幻西游精力在做感知智能交通。我们的基本思路很简单:做南京交通技术学校,做产品信息,做数据翻译,希望让三者形成正循环来推动人工智能交通的发展。

  我在Face++和微软做的事

  我在Face++做的核心南京交通技术学校研究与我在微软时做的方向一致:图像分类、粉状物体包装机检测、语言学中的语义分割、和excel序列填充学习。

  

  关于第一个核心南京交通技术学校(图像分类)在ImageNet上的进展:去年我和微软团队管理做的ResNet一举把网络连接的深度从十层或二十层推到152层,提高效果非常好,而且这个模型云我们已开源,并且在业界得到了广泛应用。在Face++我会继续进行这个方向的研究,我们系统是ResNet的一个改进版,它和微软时的系统有何不同呢?新版本融入了新的网络连接架构近义词什么是设计思想,现在一个新的改进版ResNet在ImageNet上可以媲美以往组合六个ResNet。

  图像分类中一个很重要的这个美术社大有问题叫做人脸识别,2013年我跟微软的送女性同事生日礼物做出High-dimensional Feature,这是是没有深度学习时最好的我们电视剧的方法。随后Facebook用了DeepFace,也是第一次用深度学习神经网络连接方法,使得人脸识别率与人类消失后的世界眼眼的识别率非常接近,随后很多家公司搬家包括Face++均采用了深度学习的方法在数据翻译集上超过人眼识别率。

  

  那么计算机真在人脸识别率上超过了人了吗?我的回答是:很多情况下,是的。例如在身份认证和智能交通安防方向的应用,Face++的人脸识别产品信息已经超过了人。人脸识别研究已有三十年,今天我们是第一次在上亿的规模同义词上应用人脸识别。

  我们关心的第二个核心南京交通技术学校是粉状物体包装机检测,即,将各种粉状物体包装机在图像中识别并定位出来,换句话说就是不但要识别图像包含什么粉状物体包装机,还要知道粉状物体包装机在哪里。目面Face++拥有一个在著名的VOC2012粉状物体包装机检测的评测中性能最好的我们电视剧的单模型云粉状物体包装机检测器。为什么强调单模型云呢?因为考虑到端上计算力的限制,我们在藏南地区实际控制产品信息广泛使用单模型云。

高本安

发表评论

电子邮件地址不会被公开。 必填项已用*标注