解析CVPR2016：为什么深度学习几乎成了计算机视觉研究的标配？

雷锋网 • 8年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

2016年的CVPR大会于7月1日在美国拉斯维加斯已经落下帷幕，从提交论文和口头报告内容看，本次大会中深度学习成为主流。在大会上，谷歌以及与其合作的斯坦福大学、爱丁堡大学、UCLA、牛津大学、约翰霍普金斯大学的论文都使用了深度学习，深度学习几乎成了如今计算机视觉研究的标配。而本届 CVPR 2016最佳学生论文、斯坦福大学的 “Structural-RNN: Deep Learning on Spatio-Temporal Graphs”，也是使用深度学习做图像识别。

深度学习如此瞩目，原因是什么？在计算机视觉研究中，是否有别的更好的方法来取代深度学习？本届CVPR出现了哪些“ 黑科技 ”？这些技术有实际意义么？通过CVPR大会，我们能否一窥CV的新趋势？

为了解答这些疑问，我们请到了来自商汤科技的曹旭东先生，与我们一起聊聊CVPR2016、深度学习及计算机视觉。

PS：在本届CVPR中商汤科技送选了论文并重点介绍了《物体分割》、《服饰识别搜索技术》、《行为识别和定位》、《人脸检测中级联卷积神经网络的联合训练》四篇论文，论文的解析与原文可以在下方获取：

《物体分割》-Multi-scale Patch Aggregation（MPA）for Simultaneous Detection and Segmentation- 解析 - 论文原文

《服饰识别搜索技术》-DeepFashion:Powering Robust Clothes Recognition and Retrieval With Rich Annotations- 解析 - 论文原文

《行为识别和定位》-A Key Volume Mining Deep Framework for Action Recognition- 解析 - 论文原文

《人脸检测中级联卷积神经网络的联合训练》-Joint Training of Cascaded CNN for Face Detection- 解析 - 论文原文

嘉宾介绍

曹旭东，商汤科技执行研发总监，深度学习专家。毕业于清华大学。前微软亚洲研究院副研究员，负责研发的人脸算法曾用于微软 Xbox 、 How - old 等知名产品，现象级产品 How Old.net 有数亿用户。在 CVPR/ICCV/ECCV 等计算机视觉顶级会议发表论文十余篇，其中三篇 CVPR 论文和两篇 ICCV 论文获得口头报告荣誉（接收率小 5% ）。