回顾 | 2017/0728/252056.html">CVPR 2017完全指北：深度学习与计算机视觉融合的一年，未来又会是什么？

2017-08-06 12:10 来源:机器之心 计算机

原标题：回顾 | CVPR 2017完全指北：深度学习与计算机视觉融合的一年，未来又会是什么？

机器之心（海外）原创

作者：QW、CZ

参与：王灏、Panda

当地时间 7 月 21 日到 16 日，夏威夷火奴鲁鲁迎来了 2017 年计算机视觉与模式识别会议（CVPR）。今年的会议收到了 2620 份有效提交，其中有 783 篇论文被接收，其中又有 215 篇将进行长和短的演讲展示，分成了 3 个并行议程。本届会议吸引了 127 家赞助商，赞助资金 859000 美元。参会者数量接近 5000 人，在几年前才刚到 1000 人的基础上实现了显著的增长。本文带你回顾这场学术嘉年华（咖啡很赞！），不要错过！

主会议

CVPR 是最有影响力的计算机视觉会议之一。4 天的主会议（7 月 22～25 日）覆盖了以下主要主题：

1. 机器学习

2. 目标识别与场景理解——计算机视觉和语言

3.3D 视觉

4. 人物肖像分析

5. 低级视觉与中级视觉

6. 图像运动与跟踪：视频分析

7. 图像处理计算数字化

8. 相关应用

前四大主题占到了接收论文的 80% 以上。我们将首先介绍这四个主题。

机器学习

在机器学习 Session 中，大多数长和短演讲的重点都是已有模型的性能限制上的突破进展，但也有少量杰出论文深入挖掘了对神经网络机制的理解：

1. 密集连接的神经网络（Densely Connected Convolutional Networks）。这是最佳论文奖的获奖论文之一。这项工作介绍了 DenseNet——一种在网络越深度时网络架构变得越密集的全新网络。相对于 vanilla CNN，它有以下优势：能保持更强的梯度流、显著提升了计算效率等等。一位研究者评论说：「他们部分回答了有关神经网络工作方式的问题，而且他们通过探索未知进行了他们的研究，而不是仅仅调整一下神经网络架构。」对于这项研究的更多解读，可参阅机器之心专栏文章《专栏 | CVPR 2017 最佳论文解读：密集连接卷积网络》。

2. 神经网络训练中的全局最优性（Global Optimality in Neural Network Training）。这篇论文表明，只要网络输出和正则化是网络参数的正齐次函数，就可以实现全局最优。简单来说，ReLU 函数可以被看作是齐次函数，因为 max(0, ax) = a * max(0, x)；而 softmax 则不能被看作是齐次函数。此外，这篇论文还将该理论扩展到了多个并行连接的 AlexNet 上。这篇有趣的论文可以指导神经网络模型的设计和训练。

另外还有一项研究值得一提：

使用生成对抗网络的无监督像素级域适应 （Unsupervised Pixel-Level Domain Adaptation with Generative Adversarial Networks）。这项超分辨率生成对抗网络工作提出用感知损失（perceptual loss）替代均方误差。在 GAN 上，感知损失由内容损失和对抗损失组成；因此，这个损失函数让 GAN 可以表征高级内容，而不只是像素级的内容。另外，该论文还提出了一个用于测量感知损失的新指标。

因为机器学习（尤其是其子领域深度学习）在处理计算机视觉问题上已经变得非常有效了，所以机器学习/深度学习成为了今年的主流议题（自 2012 年 AlexNet 震惊世界以来，机器学习/深度学习没有给传统的计算机视觉方法留下任何余地。一位受访者在喝咖啡的休息时间表达了他的狂热热情：「机器学习主宰了计算机视觉！这很振奋人心，而且未来还将有更多机会！」但也有一些人表达了担忧：「只有非常少的研究者在关注推进机器学习/深度学习的理论发展，这可不好。」——因为深度学习仅仅被用作工具。不管你是否接受这一趋势，机器学习和深度学习确实正在主导各个领域。

尽管深度学习已经变得相当流行，但只是实现单个深度学习模型还远远不够。在所有与深度学习相关的论文中，机器学习的概念和方法都不能被忽视：在机器学习概念的帮助下，深度学习的能力已经得到了扩展，而且也更易于解释；此外，机器学习指标和深度网络的融合也已经变得非常流行，因为这样可以得到更好的模型。

3D 视觉