0
雷鋒網(wǎng)注：本文作者為中國(guó)科學(xué)院信息工程研究所張曉宇副研究員和電子科技大學(xué)李長(zhǎng)升研究員。
我們先插一段廣告： 國(guó)際圖象圖形學(xué)學(xué)術(shù)會(huì)議（ICIG）想必是大家比較熟悉的一個(gè)國(guó)際會(huì)議了。 ICIG創(chuàng)建于2000年，每?jī)赡昱e辦一屆，迄今已經(jīng)成功舉辦九屆，是中國(guó)圖象圖形學(xué)學(xué)會(huì)主辦的最高級(jí)別的系列國(guó)際[T1] 會(huì)議。 8月23-25日，ICIG 2019 將于北京友誼賓館召開(kāi)，由清華大學(xué)、北京大學(xué)和中國(guó)科學(xué)院自動(dòng)化研究所承辦，主題為“人工智能時(shí)代的圖像圖形前沿研究”。關(guān)于會(huì)議詳細(xì)介紹可參見(jiàn)大會(huì)官網(wǎng)。 歡迎大家屆時(shí)參加！ |
隨著移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的快速普及，全球數(shù)據(jù)總量呈指數(shù)級(jí)增長(zhǎng)。據(jù)雷鋒網(wǎng)統(tǒng)計(jì)，我們每天創(chuàng)造約2.3萬(wàn)億GB數(shù)據(jù)。
過(guò)去，人們對(duì)海量數(shù)據(jù)無(wú)從下手。隨著大數(shù)據(jù)與人工智能、云計(jì)算、物聯(lián)網(wǎng)、區(qū)塊鏈等前沿技術(shù)的緊密融合以及硬件基礎(chǔ)設(shè)施的快速發(fā)展，這些新興技術(shù)為數(shù)據(jù)增值提供了強(qiáng)有力保障，由此帶來(lái)了巨大商業(yè)應(yīng)用價(jià)值，并逐漸成為各國(guó)搶占下一步發(fā)展機(jī)遇的戰(zhàn)略性技術(shù)。
最近，美國(guó)政府啟動(dòng)了大數(shù)據(jù)研究計(jì)劃，致力于提升大數(shù)據(jù)分析算法和系統(tǒng)的效率；同時(shí)，日本對(duì)信息產(chǎn)業(yè)提出新的戰(zhàn)略規(guī)劃，將大數(shù)據(jù)作為重點(diǎn)發(fā)展的科技領(lǐng)域，著重強(qiáng)調(diào)數(shù)據(jù)采集與分析；近年來(lái)，我國(guó)大數(shù)據(jù)產(chǎn)業(yè)蓬勃發(fā)展。中國(guó)信通院在2018年發(fā)布的《大數(shù)據(jù)白皮書(shū)》進(jìn)一步調(diào)動(dòng)了全國(guó)各地發(fā)展大數(shù)據(jù)的積極性，各行各業(yè)開(kāi)始利用大數(shù)據(jù)進(jìn)行智能升級(jí)轉(zhuǎn)型。
在大數(shù)據(jù)技術(shù)中，數(shù)據(jù)分析逐漸成為其核心技術(shù)，包括對(duì)數(shù)據(jù)處理的實(shí)時(shí)性成為工業(yè)界的主要需求。 當(dāng)前，各種數(shù)據(jù)分析技術(shù)層出不窮。其中，最為引人關(guān)注的當(dāng)屬深度學(xué)習(xí)技術(shù)。
深度學(xué)習(xí)仍是目前大數(shù)據(jù)處理與分析的最好方法之一。
深度學(xué)習(xí)擅于發(fā)掘多維數(shù)據(jù)中錯(cuò)綜復(fù)雜的關(guān)系。基于大數(shù)據(jù)的深度學(xué)習(xí)算法在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理以及信息檢索等多個(gè)領(lǐng)域不斷刷新著記錄。
在這個(gè)數(shù)據(jù)為王的時(shí)代，深度學(xué)習(xí)中的監(jiān)督/半監(jiān)督學(xué)習(xí)與數(shù)據(jù)規(guī)模、數(shù)據(jù)質(zhì)量等有很大關(guān)系，因此數(shù)據(jù)標(biāo)注是在現(xiàn)實(shí)場(chǎng)景中提升模型性能的最直接有效的方法。
但由于傳統(tǒng)的數(shù)據(jù)集數(shù)量/質(zhì)量有限，在解決新的問(wèn)題或是想要獲得更好的效果時(shí)，往往需要進(jìn)行額外的數(shù)據(jù)標(biāo)注。 因此，對(duì)于數(shù)據(jù)要求不那么高的半監(jiān)督/弱監(jiān)督學(xué)習(xí)一直是視覺(jué)大數(shù)據(jù)處理中的熱點(diǎn)問(wèn)題。 同時(shí)，當(dāng)使用某數(shù)據(jù)集訓(xùn)練了一個(gè)很好的模型，但在實(shí)際應(yīng)用時(shí)，往往由于“領(lǐng)域鴻溝”（domain gap）的存在，模型性能大幅度下降，遷移學(xué)習(xí)是這一問(wèn)題的常用解決思路。
此外，由于移動(dòng)設(shè)備或物聯(lián)網(wǎng)設(shè)備的存儲(chǔ)和計(jì)算資源有限，無(wú)法像服務(wù)器一樣輕松地運(yùn)行訓(xùn)練好的模型，限制了深度學(xué)習(xí)技術(shù)在大數(shù)據(jù)領(lǐng)域的應(yīng)用落地，針對(duì)此問(wèn)題，目前有效的解決方案包括模型壓縮、計(jì)算加速。
生成對(duì)抗網(wǎng)絡(luò)Generative Adversarial Networks (GANs)的提出，為神經(jīng)網(wǎng)絡(luò)添加了一個(gè)新的分支。該網(wǎng)絡(luò)結(jié)構(gòu)能極大提高圖像生成的質(zhì)量，進(jìn)一步推動(dòng)了計(jì)算機(jī)視覺(jué)領(lǐng)域的發(fā)展。
近幾年，計(jì)算機(jī)視覺(jué)正在向視頻理解領(lǐng)域延伸，而視頻比圖像多了一維時(shí)序信息，如何有效建模并利用這一時(shí)序信息是處理這類(lèi)問(wèn)題的關(guān)鍵。
深度強(qiáng)化學(xué)習(xí)是大數(shù)據(jù)時(shí)代的另一研究熱點(diǎn)，強(qiáng)化學(xué)習(xí)是主體通過(guò)與外部環(huán)境交互來(lái)進(jìn)行學(xué)習(xí)的過(guò)程。目前已經(jīng)取得了實(shí)質(zhì)性的突破，2017年DeepMind公司的提出的AlphaGo Zero通過(guò)自我博弈的強(qiáng)化深度學(xué)習(xí)算法進(jìn)行訓(xùn)練，經(jīng)過(guò)3天的學(xué)習(xí)，以100:0的成績(jī)超越了AlphaGo Lee的實(shí)力(以4：1戰(zhàn)勝李世石的版本)，21天后達(dá)到了AlphaGo Master的水平，并在40天內(nèi)超過(guò)了所有之前的版本。
自2017年以來(lái)，AutoML（Automated machine learning）迅速興起，AutoML試圖將特征提取、模型優(yōu)化、參數(shù)調(diào)節(jié)等重要步驟進(jìn)行自動(dòng)化地學(xué)習(xí)，使得機(jī)器學(xué)習(xí)模型無(wú)需人工干預(yù)即可被應(yīng)用。但目前其在搜索效率、實(shí)際應(yīng)用等方面有待進(jìn)一步探索。
計(jì)算機(jī)視覺(jué)是人工智能領(lǐng)域最為成熟的技術(shù)之一，其主旨在于利用計(jì)算機(jī)模擬人類(lèi)視覺(jué)，是人工智能中的‘看’，進(jìn)而為后續(xù)的應(yīng)用目標(biāo)提供判別信息。計(jì)算機(jī)視覺(jué)研究和應(yīng)用非常廣泛，近幾年取得了快速的發(fā)展，其應(yīng)用已經(jīng)在政府、金融、互聯(lián)網(wǎng)等行業(yè)市場(chǎng)率先落地。
此外，利用大數(shù)據(jù)可以對(duì)實(shí)體經(jīng)濟(jì)行業(yè)進(jìn)行市場(chǎng)需求分析，優(yōu)化生產(chǎn)流程、供應(yīng)鏈與物流能源管理，以及提供智能客戶(hù)服務(wù)等。雖然大數(shù)據(jù)已經(jīng)服務(wù)于眾多行業(yè)，但是在實(shí)際應(yīng)用中還有很多局限，仍舊有很多問(wèn)題沒(méi)有解決。
近年來(lái)，國(guó)家對(duì)人工智能行業(yè)的大力支持為計(jì)算機(jī)視覺(jué)的發(fā)展提供了有利環(huán)境，極大促進(jìn)了計(jì)算機(jī)視覺(jué)的商業(yè)化落地。目前我國(guó)共有100余家計(jì)算機(jī)視覺(jué)企業(yè)，涉獵身份認(rèn)證、安防影像、醫(yī)療影像等眾多領(lǐng)域。
目前CV公司比較集中的技術(shù)賽道有：人臉識(shí)別、自動(dòng)駕駛、醫(yī)療圖像等，目前商業(yè)化落地最快的仍是人臉識(shí)別及其業(yè)務(wù)相關(guān)的一些技術(shù)。
縱觀(guān)計(jì)算機(jī)視覺(jué)發(fā)展，可以看到中國(guó)與西方國(guó)家的演進(jìn)路線(xiàn)的不同。國(guó)際上前沿的技術(shù)主要集中在深度學(xué)習(xí)的基礎(chǔ)研究層面，而中國(guó)的計(jì)算機(jī)視覺(jué)技術(shù)更傾向于產(chǎn)業(yè)落地。經(jīng)過(guò)多年的沉淀，中國(guó)已經(jīng)在人才、數(shù)據(jù)、場(chǎng)景和政策層面做了比較多的儲(chǔ)備，為中國(guó)計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展提供了豐沃的土壤。
尤其是在應(yīng)用方面。計(jì)算機(jī)視覺(jué)領(lǐng)域一定要通過(guò)落地應(yīng)用才能更好推動(dòng)學(xué)術(shù)的發(fā)展，而中國(guó)在這方面具有巨大的優(yōu)勢(shì)。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
這里仍然是雷鋒網(wǎng)的一條廣告：在本屆ICIG會(huì)議中，有諸多有意思的論壇，其中之一為“第三屆視覺(jué)大數(shù)據(jù)高峰論壇”。關(guān)于論壇的簡(jiǎn)介如下：
目前，全球視覺(jué)數(shù)據(jù)正處于爆炸式的增長(zhǎng)中，給視覺(jué)大數(shù)據(jù)的處理帶來(lái)了前所未有的挑戰(zhàn)，同時(shí)也給視覺(jué)技術(shù)的應(yīng)用帶來(lái)了巨大的機(jī)遇。這個(gè)論壇旨在通過(guò)科研工作者、行業(yè)企業(yè)精英等視覺(jué)數(shù)據(jù)領(lǐng)域一線(xiàn)研究者之間的學(xué)術(shù)交流，共同分享我國(guó)視覺(jué)領(lǐng)域的最新理論和技術(shù)發(fā)展、深入挖掘視覺(jué)大數(shù)據(jù)中蘊(yùn)含的價(jià)值，共同探討視覺(jué)技術(shù)領(lǐng)域發(fā)展的新模式，對(duì)推動(dòng)視覺(jué)大數(shù)據(jù)領(lǐng)域的理論創(chuàng)新、行業(yè)發(fā)展，以及促進(jìn)領(lǐng)域間的交流具有重要的意義。
邀請(qǐng)嘉賓包括：
· 西北工業(yè)大學(xué)教授IET Fellow 韓軍偉 作主題為“高分辨率遙感圖像理解”的報(bào)告；
· 北京大學(xué)研究員北京市杰青、國(guó)家青年千人 張史梁 作主題為“視頻圖像行人重識(shí)別”的報(bào)告；
· 美國(guó)西弗吉尼亞大學(xué)計(jì)算機(jī)科學(xué)與電氣工程系副教授 郭國(guó)棟 作主題為“Human-Centered Visual Analytics”的報(bào)告；
· 微軟研究院視覺(jué)計(jì)算研究員IAPR Fellow王井東 作主題為“Deep High-Resolution Representati on Learning for Visual Recognition”的報(bào)告；
· 滴滴出行智能控制首席科學(xué)家IEEE Fellow 唐劍 作主題為“Automatic Structured Pruning for D eep Convolutional Neural Networks”的報(bào)告；
· 阿里巴巴集團(tuán)安全部資深算法專(zhuān)家 王炎 作主題為“Security AI at Alibaba”的報(bào)告。
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。
