CVPR2019 program başkanı Microsoft Hua Gang ile Yeni Bilgelik Röportajı: arXiv, sadece puanlayarak çift kör incelemeyi işe yaramaz, mekanize ve şiddetli bir araştırma yapıyor
Xinzhiyuan Orijinal
Microsoft Research'ün baş araştırmacısı Dr. Gang Hua, Xinzhiyuan ile yaptığı özel röportajda "Microsoft Research'ün gücünün özü, yeteneklerde ve yetenekleri kendi başlarına geliştirme ve gençlerin hızla büyümelerine izin verme becerisinde yatıyor." Dedi. Şu anda, yapay zeka yetenekleri için rekabet çok şiddetli ve Microsoft, devlerin "köşeleri kazmak" için en iyi hedef haline geldi. Tencent, Seattle Microsoft Araştırma Enstitüsü'nün önünde araştırma enstitüsünü bile açtı-Ma Huateng, bunun birçok Microsoft araştırmacısının Seattle'dan ayrılmaya isteksiz olmasından kaynaklandığını açıkça itiraf ediyor. Bu nedenle, "Microsoft, yapay zeka yeteneğinin kaybıyla nasıl başa çıkıyor?" Kaçınılmaz bir soru haline geldi. Ve Dr. Hua Gang'ın cevabı insanlara "AI Whampoa Askeri Akademisi" nin hoşgörüsünü ve tarzını hissettirdi.
CVPR 2019 program başkanı ve CVPR 2017 ve ICCV 2017 saha başkanı Hua Gang, bu CVPR'de bilgisayarla görme problemlerinin çözümünde derin öğrenmenin çalışma mekanizmasını daha fazla anlamak için birçok girişimin yapıldığını görmekten çok mutlu olduğunu ve Bilgisayarla görme alanı bilgisi, derin öğrenme makalelerine rehberlik etmek için kullanılır. Geçen yıl, Xinzhiyuan CVPR 2016'yı rapor ettiğinde, Fransız Inria Araştırma Enstitüsü araştırmacısı Nikos Paragios'un derin öğrenmenin "dünyanın hakimiyeti" konusundaki endişesinden bahsetti.Paragios, 2016'da, bilgisayarla görme problemlerini çözmek için derin öğrenme yöntemlerini kullanmaya odaklandı. Sözlü raporlar, derin öğrenme alanında% 100'e daha yakın, bunu yaparken herhangi bir sorun olmamasına rağmen, bu makaleler gücü de yansıtıyor, ancak Paragios bu çalışmaların "katma" bilimsel değerinin nerede olduğunu bilmek istiyor. Dr. Hua Gang, Xinzhiyuan ile yaptığı özel röportajda aynı endişeyi dile getirdi ve "çeşitlendirme", "geleneksel yöntemlerle birleştirilen derin öğrenme" ve "yeni çiçekler açan eski ağaçlar" dan defalarca bahsetti ve yenilerini görmeyi umdu. Teknoloji ve yeni fikirler.
CVPR 2019'un program başkanı Hua Gang, görüntü ve video anlayışına ilişkin araştırmanın önümüzdeki iki yıl içinde bilgisayar görüşü alanında hala önemli bir nokta olacağını öngörüyor. Bunların arasında: görüntü ve video modellemeye dayalı denetimsiz öğrenme; görev tabanlı vizyon modelleme mekanizması Ve Bilgiye ve küçük örneklem öğrenmeye dayalı görsel modellemenin üç alanı gelişecektir. Dahası, yapay zekanın ses ve görüntü gibi çeşitli alt alanları birbirleriyle birleşme eğiliminde olacaktır, çünkü "bir AI sistemi yapmak için çok modlu, birden çok seviyeyi ve çoklu modülü birleştiren" olmalıdır.
ArXiv, hakemli olmayan makalelerden oluşan bir kütüphane olmasına rağmen, aktivitesi çoğu araştırmacının arXiv'i düzenli izleme için bir bilgi kaynağı olarak kullanmasına izin verir. Bununla birlikte, çeşitli akademik konferansların başkanı ve çeşitli akademik dergilerin yayın kurulu başkanı olarak, arXiv'in akademik alışverişleri hızlandırdığını onaylayan Dr. Hua Gang, "arXiv'in akademik konferansların çifte kör incelemesini gereksiz kıldığına" işaret etti. Kağıdın kalitesi de "ejderhalar ve balıklarla karıştırılır".
"Saf ovma, araştırmanın şiddet ve mekanizasyonudur." "Yazı yazmak amacıyla taramak anlamsızdır." Kendisine şaka yollu "70'ler sonrası" diyen Dr. Hua Gang, araştırmanın asil bir meslek olduğunu düşündüğünü söyledi. Microsoft Research'te kalmayı seçmesinin nedeni de çok basit-mutlu ve her gün yeni şeyler öğreniyor. Son zamanlarda, şimdi "iyi bir zaman" olduğunu düşünerek, bilgisayarla görme teknolojisinin ticari uygulamasıyla da ilgilenmeye başladı. Microsoft'un yüz tanıma motorunu 2008'de kurdu ve kurdu (şimdi daha da geliştirildi ve Microsoft Bilişsel Hizmetlerin Yüz API'sine entegre edildi) ve görüntülerde ve videolarda sınırsız ortam yüz tanıma araştırmalarına olağanüstü katkılarda bulundu 2015 yılında International Association on Pattern Recognition (IAPR) tarafından "Biyometrik Tanıma Alanında Üstün Genç Araştırmacı" seçildi, Dr. Hua Gang, ticari yüz tanıma uygulaması hakkında konuşurken şunları söyledi: Cennet Tapınağı'nın banyosuna yüz tanıma makinesinin kurulduğuna dair bir süre önce haber yok mu? Diğer şeylerin yanı sıra, çok büyük bir şey gördüm. İş fırsatları (gülüyor). "
Microsoft'un bu yılki CVPR'deki performansını tanıtmak sonsuzdu, ancak CMU'nun harika makalelerine gelince, onu övmekte tereddüt etmedi: Bu, Microsoft Research'ün baş araştırmacısı Hua Gang. Bu makale sizi CVPR 2019 program başkanına ve CVPR 2017 ve ICCV 2017 saha başkanlarına yaklaştıracak ve zihninde Microsoft Araştırmaları, akademik konferanslar ve bilgisayarla görme teknolojisi, uygulamaları ve gelişimi hakkında konuşacaktır.
Dr. Hua Gangın araştırması, bilgisayarla görme, örüntü tanıma, makine öğrenimi, yapay zeka ve robotik ile bulut ve mobil zeka alanındaki ilgili teknolojilerin yenilikçi uygulamasına odaklanıyor. Bağlam modelleme yoluyla kısıtlanmamış ortamlarda bilgisayarla görme problemlerini çözmek için zayıf denetimli veya denetimsiz yöntemler kullanmanın bir savunucusu.Araştırmasının akademi ve endüstride çok çeşitli etkileri oldu. Dr. Hua Gang, 2008 yılında Microsoft'un yüz tanıma motorunu kurdu ve temelini attı ve şimdi Microsoft Bilişsel Hizmetler'de yüz tanıma uygulama programı arayüzüne (Yüz API) dönüştü.
Akademik açıdan, Dr. Gang Hua, önde gelen uluslararası konferans ve dergilerde 130'dan fazla hakemli makale yayınladı. CVPR 2019 program başkanı ve CVPR 2017 ile ACM MM 2017 saha başkanı olarak görev yapacak. Sadece bu değil, Hua Gang aynı zamanda CVPR 2015, ICCV 2011, ACM MM 2011/2012/2015, ICIP 2012/2013/2015, ICASSP 2012/2013 ve IEEE Trans. On Image gibi ondan fazla üst düzey akademik konferansın saha başkanı olarak görev yapmıştır. Processing dergisi yayın kurulu üyesi (2010-2014). Şu anda Dr. Gang Hua, Görüntü İşleme, IEEE Trans. On Circuits Systems and Video Technologies, IEEE Multimedia, CVIU, MVA ve VCJ üzerine IEEE Trans.
2011 yılında Dr. Hua Gang, Örüntü Analizi ve Makine Zekası (Örüntü Analizi ve Makine Zekası üzerine IEEE Trans.) Üzerine önde gelen uluslararası dergi IEEE Trans tarafından düzenlenen "Gerçek Dünya Yüz Tanıma" özel sayısını yönetti. Araştırmanın derin bir etkisi oldu. Görüntü ve Videolarda Sınırsız Ortamlarda Yüz Tanıma Enstitüsü'ne yaptığı olağanüstü katkılardan dolayı Dr. Gang Hua, 2015 yılında Uluslararası Örüntü Tanıma Derneği (IAPR) tarafından "Biyometrik Tanıma Alanında Üstün Genç Araştırmacı" ödülüne layık görüldü. 2016 yılında, Dr.Gang Hua bir IAPR Üyesi ve ACM Seçkin Bilim İnsanı seçildi
yetenek kaybı? Microsoft, yapay zeka yeteneklerini kendi başına geliştirebilir
Xinzhiyuan: Microsoft, "AI Whampoa Askeri Akademisi" olarak biliniyor. Şu anda devler arasında yetenekler için şiddetli bir rekabet var. Microsoft, "kaçak avlanma" için en iyi hedef haline geldi. Tencent, Seattle'da Microsoft'un tersine araştırma enstitüsünü bile açtı. Neden Microsoft'ta kalmayı seçtiniz? Yetenek özümseme, eğitim ve elde tutma açısından, Microsoft'un rekabetçi kalmaya devam edeceğini düşünüyorsunuz?
Hua Gang: Sabır, hoşgörü ve yetenek odaklı ortam nedeniyle Microsoft'ta kalmayı seçtim. Açık ve çeşitli bir ortamda çalışabildiğim ve her gün yeni beceriler edindiğim için çok mutluyum. Microsoft'un araştırma enstitülerinde, gençler genellikle daha hızlı büyüyor, çünkü bu aynı zamanda enstitünün çalışanlara büyük önem vermesi ve onlara büyümeleri için daha fazla özgürlük ve çeşitli beceri eğitimi fırsatları vermesidir. Ben "70'ler sonrası" biriyim ve araştırmanın asil bir meslek olduğunu hissediyorum, ancak şimdi gençler farklı bir ortamda büyüyor ve seçimleri bizimkinden çok değişti. Örneğin birçok genç mezun olduktan sonra kendi işini kurmayı seçiyor, bu sosyal ve ekonomik kalkınma için kaçınılmaz olabilir, bu normal bir fenomendir. Bununla birlikte, Microsoft Research'ün avantajı, yetenekleri kendi başına geliştirme becerisinde yatmaktadır.Bu temel yetkinlik kritiktir. Araştırmaya gerçekten ilgi duyan insanları çekebilir ve yetiştirebiliriz. Tabii ki, ürün departmanı ile derinlemesine iletişimimiz de var - bilgisayar vizyonu, Microsoft Research tarafından oluşturulan en eski araştırma yönlerinden biridir ve Microsoft, bilgisayarla görme araştırmalarına ve ilgili ürünlerin geliştirilmesine yatırım yapmaya devam edecektir. Microsoft Research Asia'nın Hesaplamalı Vizyon Grubu da iki ayak üzerinde yürüyecek ve akademik topluluğa ve Microsoft'un vizyonla ilgili kendi ürünlerine katkıda bulunmaya devam edecek. Bir araştırmacı olarak, bir üründe kullanılmak, bir konferansta en iyi makaleyi almak veya birçok kişi tarafından kullanılan teknoloji gibi yaptıklarınızın etkisini görebilirsiniz, bunlar başarılarla doludur. anlamda.
arXiv, çift kör meslektaş incelemesini işe yaramaz hale getiriyor
Xinzhiyuan: arXiv tarafından temsil edilen hakemli olmayan kağıt kitaplığı ve makaleleri arXiv'e yükleme davranışı hakkında ne düşünüyorsunuz? Medya arXiv'deki makaleleri nasıl ele almalıdır?
Hua Gang: 2015'ten önce arXiv ile ilgili makaleyi hiç yayınlamadım. Aslında, tanıdığım biraz geleneksel veya "eski usul" (gülüyor) araştırmacıların çoğu, meslektaş değerlendirmesi tamamlanmadan önce makalelerini arXiv'de yayınlamayacaklar. Bununla birlikte, 2016'dan başlayarak, bazı meslektaşlarım ve ben de arXiv üzerine yayınlanmamış ancak nispeten olgun çalışmalar yayınlayacağız. Bu, alışverişi ve tartışma hızını artırır, ancak meslektaş değerlendirmesi olmadığından, arXiv'deki makalelerin kalitesi karışıktır ve bazı makaleler mutlaka doğru veya önyargılı değildir. Medya, hakemli olmayan arXiv makaleleri hakkında haber yapmak istiyorsa ve yayın departmanının profesyonel alanda araştırmacısı yoksa, önerim yazarın sağladığı bilgileri ve mümkünse Hacker News, Reddit ve Twitter gibi çeşitli forumlardaki tartışmaları entegre etmektir. Ayrıca, yanıltıcı olmaktan kaçınmak için ilgili alanlardaki birkaç profesyonel araştırmacıyı inceleme yazmaya ve bilgileri okuyuculara mümkün olduğunca nesnel ve kapsamlı bir şekilde iletmeye davet etmelisiniz.
Xin Zhiyuan: Science'ın en son kapak kağıdı Deep Stack de arXiv'e çok erken yüklendi.
Hua Gang: Bu biraz farklı. Dergi incelemesi tek kördür, gözden geçiren yazarı tanır ve yazar gözden geçirenin kim olduğunu bilmez, bu nedenle arXiv'e yüklemenin çok fazla etkisi olmaz. Çünkü dergi makalesi incelemeleri, gözden geçirme tamamlandıktan sonra büyük ve küçük revizyon dönemlerine sahip olabilir. Aksine, akademik konferanslar çift kör hakem değerlendirmesini kullanır. Hakem ve yazar kimin kim olduğunu bilmez. Artık birçok konferansın yazar savunma incelemesi olmasına rağmen, konferans makalesi incelemesinin sonucu esasen "tek seferlik bir anlaşma" dır. ", böylece yorumlar daha keskin ve daha doğrudan olacaktır. ArXiv ile ilgili olarak ana fikrim, yazarın adı makale yüklendikten sonra kamuya açık olduğundan, CVPR çift kör inceleme gibi birçok konferansın yararsız olduğu yönündedir. 2015 yılında, Almanya'daki Max Planck Enstitüsü'nden Profesör Michael Black (aynı zamanda uzun yıllar Brown Üniversitesi'nde hizmet vermiştir) bir keresinde bir öneri önerdi ve PAMI-TC tarafından onaylandı - medya tarafından tartışılan ve tanıtılan tüm makaleler CVPR tarafından verilmelidir. Reddet, çünkü bu, çift kör hakem incelemesinin tarafsızlığını doğrudan etkiler ve inceleme sürecine gereksiz ekstra önyargı getirir. (Bkz:
CVPR 2019 program başkanı olun: Çin halkının çalışmalarını daha da göstermek için, son iki yılda üç yönün gelişmesi bekleniyor.
Xinzhiyuan: CVPR 2019 Program Başkanısınız. Neden siz ve teklif veren ekip CVPR 2019'a ev sahipliği yapma hakkını kazandınız? CVPR 2019 programının başkanı olarak toplantı için planlarınız nelerdir?
Hua Gang: Aslında, CVPR ve ICCV'nin yönetimi, PAMI-TC (Desen Analizi ve Makine Zekası Teknik Komitesi) komitesi adı verilen gevşek ve çok demokratik bir akademik organizasyon aracılığıyla yapılır. Toplantının düzenleyicisi olmak için, üç yıl sonra toplantıya ev sahipliği yapma hakkına başvurmak için bir ay önceden beyan etmeniz gerekir. PAMI-TC Organizasyon Komitesi üyeleri artık çevrimiçi oy kullanıyor (ilk yıllarda, herkes toplantıda oy kullanmak için elini kaldırdı. Çok sayıda var. İlginç bir hikaye), bazen bunun için savaşan 3 ila 4 takım olacaktır. 2019'da CVPR'ye ev sahipliği yapma hakkı için başvuran ekibimiz ve başka bir ekibimizdir. Kazanabilmemiz için üç ana neden var: Birincisi, ekibimizin güçlü olması ve ekip üyelerimizin birçok tanınmış ve kıdemli akademik temsilciye sahip olması; ikincisi ise Çeşitliliği tam olarak dikkate aldık, sadece bu alanda çok kıdemli araştırmacılar değil, aynı zamanda kariyer ortasında alanın omurgası ve birçok akademik yıldız var. Tüm kıtalardan temsilcilerin yanı sıra birçok kadın üye var; üçüncüsü, alan için iyi bir sorumluluk duygusuna sahip olduğumuz ve ayrıntılı bir organizasyonel plan oluşturduğumuz ve birçok olası zorluk ve çözümü önceden tahmin ettiğimizdir. Örneğin, 2003 CVPR'ye ilk kez katıldığım zaman, katılımcı sayısı yaklaşık 900 idi. 2016 itibariyle CVPR'ye katılanların sayısı 3.000'e ulaştı. CVPR 2019'a kadar katılımcı sayısının 5.000 olacağını tahmin ediyoruz, bu yüzden Amerika Birleşik Devletleri'nde bu kadar çok insanı ağırlayabilecek Long Beach Hall'u özel olarak seçtik.
Diğer bir nokta da, her akademik konferansta CVPR kayıt ücretinin aslında en düşük olmasıdır.Öğrenciler için kayıt ücreti genellikle 300 ABD Doları civarındadır ve araştırmacılar için ücret 600 ABD Doları ile 700 ABD Doları arasındadır - diğer akademik konferanslar daha yüksek olacaktır. bin. Los Angeles'taki catering nispeten ucuz olduğu için ekibimiz CVPR 2019'un katılımcıların yemek masraflarını karşılayacağını, yani katılımcılara ücretsiz kahvaltı, öğle ve akşam yemeği sağlanabileceğini umuyor. Bu nedenle, organizasyon ekip üyelerinin geçmişi ve çeşitliliği ile mekanın fiili durumu açısından kapsamlı değerlendirmeler yaptık ve bu nedenle ev sahipliği yapma hakkını elde ettik. CVPR 2019'a ev sahipliği yapma hakkı için mücadele hakkındaki raporumuza başvurabilirsiniz (
Tabii ki sponsorluğu Çinli öğrenci ve akademisyenlerin desteği olmadan alamayız. Bugün, CVPR'ye katılan Çinli öğrenci ve akademisyenlerin sayısı aslında toplam sayının% 50'sini aşıyor. Bununla birlikte, bölge başkanı, program başkanı ve genel başkan gibi çeşitli başkanlık pozisyonlarında, en azından katılımcı sayısının oranı bakımından çok fazla Çinli bilim insanı bulunmamaktadır. Görmek yeterli değil. Biri Çinlilerin çalışma ve liderlik yeteneklerini daha da geliştirmek ve sergilemek olan CVPR 2019'a ev sahipliği yapıyoruz.
CVPR 2019'da özellikle yapmak istediğim şey, herkes için mükemmel ve tatmin edici bir akademik bilgisayar vizyonu etkinliği sunmaktır.Umarım daha fazla yeni düşünce, yeni yöntemler ve yeni ve eski yöntemlerin entegrasyonunu görmeyi umuyorum. Computer Vision and Image Understanding Journal'ın (CVIU) genel yayın yönetmeni ünlü Fransız bilim adamı Nikos Paragios (Dr. Hua Gang, CVIU'nun yayın kurulu üyesidir), LinkedIn üzerine bir makale yazdı, etkilendim. derin. Paragios yazıda geçmişte bilgisayarla görmenin çok toleranslı olduğundan bahsetti.Konferansta istatistik, geometri, cebir gibi çeşitli yöntemler görülebiliyor.Akşam çok hareketli.Bu tür bir konferansa katılmak bilgisayarla görme teknolojisine sahip olabilir. Statüko, sorunlar ve gelişmenin kapsamlı bir anlayışı. Bununla birlikte, derin öğrenmenin ortaya çıkmasından sonra, dünyaya hükmetme eğilimi vardır ki bu mutlaka iyi bir şey değildir. Bunların arasında, derin öğrenme dalgası bazı iyi fikirlere boğuldu.
Xinzhiyuan: Bu durumu mu kastediyorsunuz - yeni fikirler öne süren makaleler var, ancak sonuçlar çeşitli nedenlerden dolayı iyi değil veya mevcut koşullar altında argümantasyon o kadar yeterli değil; ve derin öğrenme yöntemlerini kullanan makaleler Sonuçlar çok iyidir veya mevcut en iyi sonuçlar çeşitli kıyaslama testlerinde elde edilmiştir, bu nedenle ikincisi kabul edilirken ilki reddedilir mi?
Hua Gang: Bu onlardan biri. Bilgi işlem ve vizyonda derin öğrenme dalgası 2012'de başladı. Yani 2012'den sonra bilgisayarla görme alanına giren öğrenciler zaman açısından bu yıl doktora mezunu oluyor. Bu grup yavaş yavaş el yazmaları ile tanışmada ana güç haline gelecektir ve aldıkları eğitim esas olarak derin öğrenme olduğu için bu eğilim daha da gelişebilir. Bu türden bir incelemecinin sorunu anlama derinliği ve zihniyet yeniden şekillendirilmelidir. Şimdi derin öğrenmenin sınırlamaları hakkında daha kapsamlı bir anlayışa sahibiz, bu yüzden 10 veya 20 yıl önce daha fazla makale okumamı söyledim.
Xinzhiyuan: Önümüzdeki iki yıl içinde bilgisayarla görme teknolojisinin gelişimi için beklentileriniz nelerdir? CVPR 2019'un program başkanı olarak, alanın genel gelişme eğilimini kavramanız gerekir.Derin öğrenme ve sinir ağları hakim olmaya devam edecek mi? Hangi teknoloji ve araştırma yönünün sıcak bir nokta olacağını düşünüyorsunuz? Hangi yeni teknoloji yükselecek? Henüz çözülmemiş hangi sorunlar o zamana kadar aşılabilir?
Hua Gang: Bu soru iyi gündeme getirildi. Daha önce de söylediğim gibi, araştırma için İngilizce "Araştırma" dır, "Yeniden Ara" -tekrar ara. Bazen tamamen alanın tarihsel gelişiminden tamamen yeni bir teknolojinin ortaya çıkması nadirdir. Herhangi bir yeni araştırma çalışması ve fikirleri, öncekilerin çalışmalarından ve fikirlerinden az çok etkilenecektir. Newton'un dediği gibi, "Diğerlerinden daha uzağı görüyorum çünkü devlerin omuzlarında duruyorum." Bence sağlıklı bir araştırma alanı, derin öğrenmeyi önceki yöntemlerle, sözde "eski ağaçlar yeni çiçekler açar" gibi, alanın gelişimini ortaklaşa teşvik etmek için çeşitli entegrasyon gerektirir. Hangi teknoloji veya yön sıcak nokta haline gelecek? Kişisel olarak ilgilendiğim bir yönden bahsedelim: bilginin tanımlanması, bilginin temsili, yani görsel içeriği temsil etmek ve bilgisayarla görme problemlerini daha iyi çözmek için bilginin taşıyıcısı olmak için dilin kullanılması. Tıpkı insanların bilgi ve bilgiyi iletmek için dili kullanabildikleri gibi, ancak bilginin temsili ile aracılar birbirleriyle iletişim kurabilir ve öğrenebilir. Ancak bu projeyi tamamlamak için iki yılın yeterli olmayacağı tahmin ediliyor (gülüyor).
Genel olarak, önümüzdeki iki yıl içinde aşağıdaki üç alanın gelişeceğini düşünüyorum:
-
Bunlardan biri, görüntü ve video modellemeye dayalı denetimsiz öğrenmedir;
-
İkincisi, göreve dayalı bir görsel modelleme mekanizmasıdır;
-
Üçüncüsü, bilgiye ve küçük örneklem öğrenmeye dayalı görsel modellemedir.
Bu üç noktanın düzenlenmesi de kolaydan zora doğrudur, "görev" temelli, net bir hedef olduğunu anlamaktır ve "bilgi" ye dayalı, bunun nasıl yapılacağını bilmektir. Örneğin, ikisi arasındaki fark, "bir kişiyi balık tutması" ve "bir kişiyi balık tutması" ndaki "balık" ve "balık tutma" yı bilmek gibidir. Kısacası, nihai hedef kapsamlı ve entegre bir akıllı sisteme hizmet etmektir.
CVPR 2017'nin saha başkanı olarak: Derin öğrenme mekanizmalarını yansıtan daha fazla makalenin ortaya çıktığını ve CMU hareket duruş kağıtlarının çok etkileyici olduğunu görmekten çok mutluyum.
Xin Zhiyuan: Bu CVPR'nin bölge başkanı sizsiniz. CVPR 2017 kabul edilen makaleler onaylandığına göre, bu konferanstaki makalelerde hangi eğilimlerin yansıtıldığını, gerçekten derin öğrenme, sinir ağları veya anahtar kelimeler hakkında bilgi verebilir misiniz? Başka önemli noktalar var mı?
Hua Gang: Bu CVPR'de ben saha başkanıyım ve her alan başkanı ilgilendiği ve sorumlu olduğu araştırma konularını (konularını) seçebilir - benim araştırma ilgi alanlarım ve araştırma yönlerim nispeten geniştir, bu nedenle muhtemelen 30'dan fazla konunun 10'undan fazlasını kapsar İnceleme sürecinde tamamen sorumlu olduğum yaklaşık 30 veya 40 makale var.Yuvarlak masa tartışmaları ve diğer alanların başkanı tarafından incelenen diğer makalelerin eklenmesiyle, öğrendiğim makaleler yalnızca son kabul edilen makalelerin yaklaşık 1/6 ~ 1 / 5'ini oluşturuyordu. . Sevindirici olan şey, bu CVPR'nin derin öğrenme mekanizmasını anlamaya ve yansıtmaya çalışmak için alan bilgisini birleştiren birçok makale hazırlamış olmasıdır. Ancak, şimdi CVPR 2017'nin genel makalesinin eğilimleri ve önemli noktaları hakkında konuşmama izin verin. Bu, konferans başlayana kadar bilinmeyecektir.
Xinzhiyuan: Bilginiz dahilinde sizi özellikle etkileyen herhangi bir araştırma var mı?
Hua Gang: CMU'nun hareket duruşunu tahmin etme üzerine bir raporu var. Demo, saha başkanımızın yuvarlak masa tartışması ve yeniden değerlendirilmesi üzerinde çok derin bir etki bıraktı. Çok iş parçacıklı çok kişili anahtar nokta gerçek zamanlı algılamayı gerçekleştirdi ve aynı videodaki birçok kişi Tüm hareketler aynı anda yakalanır. Bu makale aynı zamanda CVPR 2017'deki sözlü sunumlardan biridir. Kodu 2016 MSCOCO Key Point Challenge'ı ve 2016 ECCV En İyi Sunum Ödülü'nü kazandı. Makale, herhangi bir yaya algılama algoritması olmaksızın çok kişili poz tahmini için aşağıdan yukarıya bir yöntem önermektedir.
Özet
Bir görüntüdeki birden fazla kişinin 2D pozunu etkili bir şekilde tespit etmek için bir yöntem öneriyoruz. Bu yöntem, vücut bölümlerini görüntülerdeki bireylerle ilişkilendirmeyi öğrenebilen Kısmi Yakınlık Alanları (PAF) dediğimiz parametrik olmayan temsilleri kullanır. Mimari, küresel ortamı kodlayarak, görüntüdeki kişi sayısına bakılmaksızın yüksek doğruluğu korurken gerçek zamanlı performans elde etmek için açgözlü bir aşağıdan yukarıya ayrıştırma adımına izin verir. Bu mimari, aynı ardışık tahmin sürecinin iki kolu aracılığıyla yerel konumları ve bunların birlikteliklerini birlikte öğrenmeyi amaçlamaktadır. Metodumuz COCO 2016 Key Point Challenge'da birinciliği kazandı. MPII MultiPerson kıyaslamasının önceki en iyi sonuçlarıyla karşılaştırıldığında, metodumuz performans ve verimlilik açısından çok daha yüksek.
Ayrıca Microsoft'un çalışmalarını da kısaca tanıtıyorum. Microsoft bu kez CVPR'den yaklaşık 30 makale aldı, bu yaklaşık son 15 yılda CVPR'de yayınladığımız makale sayısıyla neredeyse aynı. Bunların arasında Microsoft Research Asia'nın tüm yönleri, 3D modellemeyi ve hesaplamayı kapsayan 18'i var. Fotoğraf, görüntü ve video analizi, anlama, bölümleme ... kapsama oranı hala nispeten geniştir. Video yüz tanıma konusundaki araştırmalardan biri, videodaki her karenin yüzünü çıkarıyor ve daha hızlı ve daha doğru yüz tanıma için kompakt sabit uzunlukta bir temsil elde ediyor.
Özet
Bu makale, video yüz tanıma için bir Sinir Toplama Ağı (NAN) önermektedir. Ağ, giriş olarak bir kişinin yüzünün bir videosunu veya farklı sayılara sahip bir dizi yüz görüntü veri kümesini alır ve tanıma için kullanılabilecek kompakt, sabit boyutlu bir özellik temsili oluşturur. Tüm ağ iki modülden oluşur. Özellik gömme modülü, her yüz görüntüsünü bir özellik vektörüne eşleyen derin bir evrişimli sinir ağıdır (CNN). Toplama modülü, kapsanan dışbükey gövdede tek bir özellik oluşturmak için özellik vektörlerini uyarlamalı olarak bir araya getirebilen iki dikkat bloğundan oluşur. Dikkat mekanizması nedeniyle, görüntülerin sırasındaki değişiklikler nedeniyle toplama değişmeyecektir. NAN'ımız standart bir sınıflandırma veya doğrulama kaybına göre eğitilmiştir ve herhangi bir ek denetim sinyali almaz, ancak bulanıklık gibi düşük kaliteli görüntüleri iterken yüksek kaliteli yüz görüntülerini savunmayı otomatik olarak öğrenebileceğini gördük. , Oklüzyonlu ve uygunsuz şekilde pozlanmış yüz görüntüleri. IJB-A, YouTube Face ve Celebrity-1000 video yüz tanıma karşılaştırma testleri üzerinde yapılan deneyler, NAN'ın her zaman saf toplama yönteminden daha iyi olduğunu ve şu anda en yüksek doğruluğa ulaştığını gösteriyor.
Şekil 1. NAN video yüz tanıma ağ mimarisi. Tüm girdi yüzeyi görüntüleri {xk}, bir dizi özellik vektörü {fk} oluşturmak için derin CNN ile özellik gömme modülü tarafından işlenir. Bu özellikler daha sonra, giriş yüzü görüntüsünü temsil eden tek bir 128 boyutlu vektör rl oluşturmak için toplama modülüne geçirilir. Bu kompakt gösterim, tanımlama için kullanılabilir.
Şekil 6. NAN'ımız tarafından hesaplanan videonun her karesinin ağırlığını gösteren YTF veri kümesindeki tipik bir örnek. Her satır, videodan örneklenmiş ve ağırlıklarına göre sıralanmış 5 kareyi temsil eder (resmin sol üst dikdörtgenindeki sayılar); en sağdaki çubuk grafik, tüm karelerin sıralama ağırlıklarını (yükseklik yakınlaştırma) gösterir.
Diğeri ise görüntü stilizasyon çalışmasıdır.Bu, görüntü stilinin ilk kez net bir fiziksel ve sayısal karakterizasyonunun yapıldığıdır. Stil karakterizasyonunu ve görüntü içeriğini ayırabiliriz, böylece birçok farklı stil yapmak için bir ağ kullanabiliriz. Şimdi bir stili öğrenmek sadece 8 dakika ve dönüştürmek sadece birkaç saniye sürüyor Bu teknolojiyi Microsoft ürünlerine uyguluyoruz.
CCF Multimedia Technology Committee New Technology Selection Issue 17-04'ün girişine göre, bu makale aynı anda birden fazla stili öğrenebilen ve farklı stilleri birleştirebilen otomatik kodlayıcı ve filtre bankasının bir kombinasyonunun yapısını benimser. Tek bir ileri beslemeli ağ kullanılarak birden çok geçiş tarzının gerçekleştirilebilmesi için ilgili filtre bankalarında saklanır.
Ağ üç bölüme ayrılmıştır: kodlayıcı E, kod çözücü D ve stil bankası K. Giriş görüntüsü I, kodlayıcı tarafından bir özellik haritası (özellik haritası) F olarak kodlanır ve ardından iki yola bölünür: alt taraftaki düz ok, otomatik kodlayıcının dalını temsil eder ve F, stil kitaplığı tarafından işlenmez, ancak O elde etmek için kod çözücü tarafından doğrudan kodu çözülür. , O, I'e benzer olmalıdır; üst taraftaki noktalı ok, stilize edilmiş dalı temsil eder, F, özellik haritası Fi'yi elde etmek için i-inci stil kitaplığını temsil eden Ki tarafından filtrelenir ve ardından D ile kodu, stilize edilmiş Oi sonucuna dönüştürülür.
Şekil 1. Ağ 3 bölüme ayrılmıştır: kodlayıcı E, stil kitaplığı K ve kod çözücü D.
Bu makalenin yazarı, mevcut ileri besleme ağlarının bir seferde yalnızca bir stili tanımlayabileceğine inanıyor çünkü bu ağlar görüntünün içeriğini ve stilini tam olarak ayırt etmiyor. Yazar, bu sorunu çözmek için geleneksel doku sentezi yönteminde doku ilkelleri (texton) kavramından yararlanır, doku ilkellerini derin bir ağ üzerinden öğrenir ve bunları filtre bankasında saklar, yazar buna stil bankası adını verir. Sınıf stili, karşılık gelen bir stil kitaplığı oluşturur. İleriye doğru yaymada, hızlı ve çeşitlendirilmiş stillerin avantajlarını birleştiren, belirtilen stilin geçişini tamamlamak için yalnızca gerekli stil kitaplığını seçmeniz gerekir. Bu stil kitaplıkları, kodlayıcıdan çıkarılan özellik alanını temel alır ve her stili daha iyi tanımlayabilir. Aynı zamanda, otomatik kodlayıcı ve stil kitaplığı kombinasyonu, genişletme kolaylığı avantajına da sahiptir: yeni bir stil için, tüm ağı yeniden eğitmek yerine yalnızca yeni stil kitaplığının eğitilmesi gerekir. Son olarak, içerik ve stil etkili bir şekilde ayrıldığı için, eğitimli otomatik kodlayıcı görüntü içeriğini etkili bir şekilde bölümlere ayırabilir ve bölge bazlı stilizasyonu gerçekleştirebilir.
Şekil 2. Sol: Kodlama ile elde edilen özellik haritasının kümeleme sonucu. Sağ: Stilize sonuçlar.
Şekil 3. İki stilin birleşimi.
Deneylerden sonra yazar şunu buldu:
-
Her stilin doku ilkelleri, stil kitaplığındaki birkaç filtre tarafından kodlanır;
-
Stil bankasının filtre yarıçapı ne kadar büyükse, tanımlayabileceği stil doku ölçeği o kadar büyük olur;
-
Otomatik kodlayıcı, bölgeye göre içerik görüntüsünü kodlar ve aynı bölge, aynı tür doku ile stilize edilecektir (bkz. Şekil 2);
-
Renk stilinin ve doku stilinin ayrılması: Dokusu olmayan alanlar stilize edilir ve yine de dokusu yoktur, aynı renkteki farklı dokulara sahip alanlar aynı renkte farklı dokularla stilize edilir ve farklı renklere sahip aynı doku, farklı renklerle benzer dokulara stilize edilir;
-
Birden çok stil kitaplığının ağırlıklandırılması, farklı stillerin kaynaşmasını sağlayabilir (bkz. Şekil 3) Kodlama sonuçları için farklı maskeler kullanmak ve farklı stil kitaplıkları üzerinde hareket etmek, farklı bölgeler için farklı stillerin geçişini gerçekleştirebilir.
Şekil 4. Yinelemeli optimizasyona dayalı yöntemlerle karşılaştırma. Soldan sağa: giriş resmi, bu makalenin sonucu, sonucu
Şekil 5. İleri beslemeli ağlara dayalı yöntemlerle karşılaştırma. Soldan sağa: giriş resmi, bu makalenin sonucu, sonucu
Gatys L A, Ecker A S, Bethge M. Evrişimli sinir ağları kullanarak görüntü stili aktarımı. CVPR, 2016.
Ulyanov D, Lebedev V, Vedaldi A, Lempitsky V. Doku ağları: Dokuların ve stilize görüntülerin ileri beslemeli sentezi. ICML, 2016.
Basitçe "puan almak" mekanikleştirmek ve şiddetli bir şekilde araştırmaktır, ancak PR için puan toplaması anlaşılabilir bir durumdur, ancak tavsiye edilmemektedir.
Xinzhiyuan: Özgeçmiş alanında çeşitli yarışmalar var ve "puanlama" olgusu yaygın ve endüstri karışık övgü ve eleştirilere sahip. "Puanlama" hakkında ne düşünüyorsunuz?
Hua Gang: Her şeyden önce, ben hiçbir zaman sadece "puanlama" yapmıyorum ve temelde sözde yarışmalara katılmıyorum. Nihai analizdeki araştırma sonuçları, bu alanda yeni bilgiler sağlayıp sağlamadığınızdır. Bu nedenle, "puanlama", nihai hedef değil, araştırmanızı doğrulamak için bir "araç" olarak kullanılmalıdır. Araştırma ve inceleme sürecinde, "puanların" tek teorisi, teşvik edilmeye değmeyecek şekilde mekanize etmek ve şiddetle araştırmaktır. Ancak, puanları tanıtım için kullanmak farklı bir konu, anlaşılabilir ama ben bunu kendim yapamam. Elbette, basitçe puanlama ile kastettiğim, puanlama sürecinde problemin anlaşılması için yeni bilgiler sağlamadığınız ve alanın geliştirilmesi için yeni yöntemler açmadığınız anlamına gelir.Örneğin, en iyi 10 Model elbette en iyi sonuçları alacaktır. Ancak, bu 10 modeli entegre etme yöntemi yenilikçi olarak kabul edilir - entegrasyon aynı zamanda teknoloji gerektirir - akademik dünyaya yeni bilgiler getiriyor mu? Entegrasyon yönteminiz çemberdeki insanların çoğu zaman nasıl yapılacağını bildiği bir şeyse, ancak bunu yapmayı küçümsüyorsanız, bu tür bir puanlama mekanik ve şiddetlidir ve pek değeri yoktur.
Xinzhiyuan: Bu kadar hızlı yinelemeler ve çeşitli performansları sürekli olarak yenileyen derin öğrenme ile Microsoft araştırma enstitülerindeki araştırmacılar "anlamlı / değerli" araştırmalara nasıl katılabilirler? Yüksek kaliteli makaleler nasıl üretilir (başkaları tarafından önceden yayınlanmadan)?
Hua Gang: Microsoft'ta bir araştırma döngümüz var Her konu seçimi (araştırma yönü), deney, vb. Bağlantısında, en çok zaman ve enerji aslında konu seçimine harcanır. 2001 yılında Xi'an Jiaotong Üniversitesi'nde yüksek lisans öğrencisiyken, Dr. Shen Xiangyang bir rapor vermek için okula geldi. O sırada şunları söyledi: En iyi araştırmacılar yeni problemler keşfederler ve iyi araştırmacılar problemleri çözmek için yeni yöntemler yaratırlar. Normal araştırmacılar takip eder. Başkalarının yöntemleri sorunları çözer. Başka bir deyişle, İnovasyon, araştırmanın özüdür.Sorun veya yön hakkında net bir şekilde düşündüğünüz sürece, başkalarının yetişmesi yine de zordur. Elbette, önceden yayınladığınız ara sıra davalar olacaktır ve bu bir yürütme sorunudur.
Aşağıda Microsoft Araştırma Enstitüsü Yazılım Mühendisliği Araştırma (RiSE) Grubu Araştırma Müdürü Thomas Ball tarafından yazılan ve aynı zamanda Microsoft'taki 17. yılı olan "Microsoft Araştırma ve endüstriyel araştırma döngüsü" (Microsoft Araştırma ve endüstriyel araştırma döngüsü) makalesi yer almaktadır. Microsoft Research Araştırma Döngüsü:
Microsoft Research, size akademi gibi bilimsel bilgileri tam olarak keşfetme ve geliştirme özgürlüğü sağlamakla kalmaz, aynı zamanda bilimsel araştırmalarınızı şirketin problemleriyle birleştirmenizi ve Microsoft'un gelişimini teşvik etmek için çaba göstermenizi gerektirir. Bu gereksinim sizi takip edecektir. Şirketin kıdeminin artması ve gelişmesi, Microsoft Research'ün bilimsel sınır araştırmalarını ilerletirken şirkete olumlu ilerleme sağlama yönündeki ikili misyonunu da yansıtıyor.
Thomas Ball şunları yazdı: "Araştırmacılar [Microsoft Research], teknolojik ilerlemeyi ilerletmek için araştırma sorularını seçmekte ve kendi disiplinlerinde (döngünün sol tarafında) keşfetmekte özgürdürler. Aynı zamanda, yeterli bir şekilde yürütme sorumluluğuna ve fırsatına da sahiptirler. Keşif yaptıktan sonra, şirket üzerinde etkisi olabileceğini düşündükleri alanlara odaklanın (döngünün sağ tarafında). İdeal olarak, araştırmacıların bilimsel araştırma sorunlarına yönelik çözümleri keşfetmeleri, nihayetinde şirketin teknoloji uygulamaları üzerinde bir etkiye sahip olacaktır. "
Yukarıdaki gibi çoklu döngü sürecinde, araştırmacının kişisel etkisi aşağıdaki şekilde gölgeli alanla temsil edilir: yatay eksen bilimsel etkiyi temsil eder ve dikey eksen Microsoft üzerindeki etkiyi temsil eder. İlk keşif aşamasında, kişisel etki eğrisinin şekli genellikle yataydır, çünkü ana kitle hala bilimsel toplulukla sınırlıdır; daha sonraki aşamada, yön belirlendiğinde ve odak başladığında, kişisel eğrinin şekli genellikle dikeydir ve önceki keşif aşamasına dayanır. Dayalı.
Thomas Ball ayrıca makalesinde şöyle yazdı: "Araştırmacıları aktif bir şekilde yazmaya teşvik ediyoruz, ancak Microsoft Research yayın sayısını vurgulamıyor. Kalite bizim birincil hedefimizdir."
"Microsoft Researchün bilimsel araştırmaya yaptığı yatırım, Microsoft üzerinde anında bir etki yaratmayabilir, ancak uzun vadede şirket için yeni güçler / yetenekler geliştirecektir. Bilimsel sonuçları kurumsal etkiye dönüştürmek için, koordineli ve uzun vadeli çabalar vazgeçilmezdir. . "
Bilgisayarla görme geliştirme: AI alt alanları uzun süre bölünmelidir
Xin Zhiyuan: Daha önce, Xin Zhiyuan, Li Kaifu ile röportaj yaptı ve seçkin şirketlerin kıtlığının aşırı sermaye arayışına neden olduğundan bahsetti.Sadece yüz tanıma yapan girişimlerin değerlemesi tek boynuzlu atlara yakın. Kai-Fu Lee ayrıca bir yıl içinde bilgisayarla görmede kısa bir kış bekliyor. Tek başına tanıma ile yüzleşen bir başlangıç şirketinin değeri sizce nedir? Bilgisayarla görme, bir yıl içinde kısa bir kışa öncülük edecek mi?
Hua Gang: Öğretmen Li Kaifu'nun görüşlerine saygı duyuyorum, ancak esas olarak bu girişimlerin özel iş detaylarını çok iyi bilmediğim için nispeten tarafsız bir tavrım var. Teknik açıdan bakıldığında bilgisayarla görme bunca yıl geliştirildi.Biyometrik bir teknoloji olarak teknoloji görüntü tanıma, finans, güvenlik gibi birçok alanda olgunlaşarak ticari uygulama aşamasına geldi. Bilgisayar vizyonunun ticarileştirilmesiyle her zaman ilgilenmişimdir ve son zamanlarda derinlemesine düşündüm. Uzun yıllardır Microsoft bilgisayar vizyonunun birikimine dayanarak, gelecekteki çalışmalarımın bir kısmı da ilgili teknolojilerin ürünleştirilmesine odaklanacak ve ilgili ticarileştirme stratejilerinin formülasyonuna ve entegrasyonuna katılacak.
Ticari açıdan bakıldığında, Asya'da yüz tanıma genel bir avantaja sahiptir, çünkü esas olarak halkın kişisel mahremiyet konusundaki endişesi kıyaslandığında o kadar yüksek değildir. Aslında ABD hükümeti, hükümet, üniversiteler ve araştırma enstitüleri gibi birçok kurumun gücünü birleştirerek yüz tanıma projesini 30 yıldan fazla bir süre önce başlattı. Bununla birlikte, uzun yıllara dayanan yatırımlarla sivil alanda çok fazla uygulama yok - Amerika Birleşik Devletleri'nde yüz tanıma esas olarak yurt güvenliği ve terörle mücadele gibi hükümet uygulamaları için kullanılıyor. Çin'de, yüz tanıma özel uygulamalarının yaygınlığı çok yüksek. Haberler, Pekin'deki Cennet Tapınağı Parkı'nın tuvaletlerine, kullanıcıların belirli bir süre içinde alabilecekleri kağıt sayısını sınırlandırmak için bir yüz tanıma sisteminin kurulduğundan bahsetmemiş miydi? , Diğer şeyleri bir kenara bırakırsak, bunun büyük bir iş fırsatı olduğunu düşünüyorum (gülüyor).
Tek bir şirketin para kazanıp kazanamayacağına gelince, aslında yüz tanıma için mevcut teknik eşik yüksek değildir, bu nedenle teknik engeller oluşturmak zordur.
IARPAJANUSFacebook2014DeepFace20062014DeepFace20072008Face API
CV510303~5
Bu büyük bir problem.1955207080DARPADARPA Image Understanding Research ProgramDARPADARPAImage Understanding WorkshopDARPACVPR1983ICCV1987
43D
pipeline10object recognition5ImageNet 20012007BoostingSVM200720122012Kinect Camera domain knowledge
AAAICVPRICCVACL AICVPRAIAI
© Bu makale Xinzhiyuan'ın orijinal makalesidir, lütfen izin almadan yeniden basmayın. Yeniden baskı kurallarını anlamak için Xinzhiyuan'ın arka planındaki "Yeniden yazdır" ı yanıtlayın.
Xinzhiyuan İşe Alım
Pozisyon: Hesap Direktörü
Yıllık maaş: 300.000-600.000 (Maaş + ikramiye)
İş yeri: Pekin-Haidian Bölgesi
Departman: Müşteri Departmanı
Raporlama nesnesi: COO
Astların Sayısı: 8
25 40
Cinsiyet gereksinimleri: sınırsız
Çalışma hayatı: 5 yıl
Dil: İngilizce + Mandarin
Eğitim gereksinimleri: tam zamanlı lisans eğitimi
iş tanımı:
Yapay zekayı sevin, belirli bir kaynak ağına ve sektörde etkiye sahip olun;
Müşterilerin pazarlama veya iletişim hedeflerine ulaşmaları için medya ilişkileri stratejileri ve halkla ilişkiler faaliyetleri geliştirmek;
Projelerin zamanında ve bütçe dahilinde tamamlanabilmesi için halkla ilişkiler projelerinin planlanması ve uygulanmasının denetlenmesinden sorumludur;
Müşteri kaynaklarını aktif olarak genişletin, şirket işini geliştirin ve mevcut müşterilerle yakın iş teması ve iletişimi sürdürmek;
Müşteri hizmetleri ekibini denetleyin, yönetin ve değerlendirin ve şirketin müşteri hizmetleri kalitesini kapsamlı bir şekilde iyileştirin;
Bilim ve mühendislik geçmişi tercih edilir ve tanınmış şirketler veya tanınmış medya kuruluşlarında iş deneyimi tercih edilir.
Başvuru e-postası: jobs@aiera.com.cn
HR WeChat: 13552313024
Xinzhiyuan, yüksek ideallere sahip insanları görüşmeye davet ediyor, daha fazla işe alım pozisyonu için lütfen tıklayın Xinzhiyuan İşe Alım Görünüm.
