?？低曆芯吭涸洪L浦世亮談深度學習+安防

　　備受關注的計算機視覺國際大賽——ImageNet 大規(guī)模圖像識別挑戰(zhàn)賽(ILSVRC2017)已經拉開帷幕，今年的比賽分為四個主要項目：定位、識別以及視頻中物體識別和Tester Challenges。去年在比賽中拿下場景分類關鍵的深度學習與安防行業(yè)現(xiàn)狀的10個問題進行了深入解讀。

　　根據 ImageNet官網的最新消息，今年的 ImageNet 大規(guī)模圖像識別挑戰(zhàn)賽(ILSVRC2017)已經拉開帷幕。

　　今年的比賽項目分為4個：

　　物體定位

　　物體識別

　　視頻中物體識別

　　Tester Challenges

　　官網特別提示：已經使用了幾種算法的參與者可以每個算法提交一個結果(最多5個算法)。算法參數的變化不構成不同的算法(遵循PASCAL VOC中使用的過程)。

　　去年的 ImageNet上，來自中國的團隊大放異彩：CUImage(商湯和港中文)，Trimps-Soushen(公安部三所)，CUvideo(商湯和港中文)，HikVision(

　　其中，

　　另外，在物體探測任務上，?？低曇灿辛裂郾憩F(xiàn)：

　　?？低曔@家做安防出身的企業(yè)目前在計算機視覺上已在國際上取得領先的地位，除了ImageNet 外，在PASCAL、KITTI和MOT等競賽中都有亮眼表現(xiàn)。

　　根據?？低暿紫瘜＜移质懒两榻B，在PASCAL VOC2012目標檢測上，海康威視基于Faster R-CNN深度學習目標檢測算法mAP性能達到87.9，排名第一，領先盤踞榜首近一年的第二名微軟4.1個點，刷新紀錄。

　　新智元最新一期的AI領軍人物專訪采訪到了海康威視首席專家、研究院院長浦世亮，他分享了?？低晩Z冠 ImageNet 背后的技術，談到 2017年，深度學習在復雜網絡設計、模型壓縮方向的研究依然是熱點，深度學習和LSTM、增強學習的結合進一步加強。另外，針對當下安防行業(yè)的智能+現(xiàn)狀，他也提出了獨特的見解。

　　浦世亮 ?？低曆芯吭涸洪L

　　浦世亮，法國國家科學研究院(CNRS)博士，浙江大學理學博士，現(xiàn)任?？低暿紫瘜＜摇⒀芯吭涸洪L，負責公司在人工智能及大數據領域的技術研究。浦世亮帶領研究院研發(fā)的Smart 265編碼技術、目標結構化算法、車牌識別算法、人臉識別算法、視頻檢索引擎、多傳感器融合等技術，被廣泛應用于公共安全、金融、交通、司法、零售、智慧城市等多個領域。

　　?？低?nbsp;ImageNet 2016 奪冠背后技術詳解

　　去年 ImageNet 大規(guī)模圖像識別挑戰(zhàn)賽(ILSVRC)中，?？低?HikVision)拿下場景分類項目的冠軍。你能具體介紹一下這一比賽項目嗎??？低晩Z冠的技術核心是什么?

　　浦世亮：ImageNet 場景分類任務采用MIT發(fā)布的 Place2 數據集，其目的是對圖像中存在的場景進行識別。該數據集擁有365個類別的場景目標，800多萬張已經標記的訓練樣本。相對于普通的ImageNet圖像分類任務，場景分類任務的難點在于其數據分布非常不均衡，每個類別的數據從5000 到 30000不等，每張圖像都可能在不同的場景描述和相對更模糊的場景標簽。

　　場景分類技術，對于視頻產業(yè)及其應用領域有比較重要的應用價值，基于對場景的理解有助于我們的系統(tǒng)更好地對于視頻中的信息進行理解和應用。

　　海康威視從成立之初就專注于計算機視覺領域技術的研發(fā)，13年就開始深度學習的技術布局，實現(xiàn)了一整套的深度學習訓練框架，并探索了深度神經網絡的優(yōu)化算法，包括對網絡參數初始化、超參數搜索、正則項、損失函數、流形優(yōu)化理論等的研究。

　　另外，我們還從信號調制方向切入，圍繞信號在網絡前向反向傳輸中的保范性(norm-preserving)，探索深層網絡優(yōu)化的可行性與新方向。