【ImageNet最后的冠军】颜水成：像素级标注数据集将引领计算机视觉下一个时代

2017-08-17 09:45 来源:新智元 中国移动 /计算机

原标题：【ImageNet最后的冠军】颜水成：像素级标注数据集将引领计算机视觉下一个时代

1新智元专访

编辑：零夏

【新智元导读】2017年，ImageNet ILSVRC正式宣告终结。在计算机视觉领域深耕16年的“老兵”颜水成与团队拿下最后冠军，巧合的是，5年前的PASCAL VOC收官之战，冠军也是他。有“水哥”之称的颜水成可谓计算机视觉竞赛领域名副其实的常胜将军。在本次接受新智元的专访中，他分享了自己多年来的战斗经历和实战经历。现在已担任副教授的他，对学生也有许多寄语。颜水成认为，计算机视觉的未来属于多标签、像素级、语义级分析。

颜水成，360副总裁、人工智能研究院院长，新加坡国立大学终身教职，作为计算机视觉界的老将，今年他和他的前学生Feng Jiashi助理教授一起带领团队摘得了ImageNet Challenge收官之战的 “皇冠”，同时5年前他同样带领团队摘得了PASCAL VOC收官之战的“皇冠”。

这次专访，他将带着我们看：未来计算机视觉研究还能怎么玩？

他认为，类似于PASCAL VOC竞赛, ImageNet已经完成使命，它的单标签识别的核心问题已不再代表未来的主要发展方向，atv，确实可以终结了。而计算机视觉的未来属于多标签、像素级、语义级分析。

他不认为Web Vision是最终取代ImageNet的数据集，他认为需要一个像素级、多标签的数据集才可能引领计算机视觉进入下一个时代。如果像素级分类做好了，无论做任何类型图像理解和语义理解的问题都好办了。

虽然现在新的数据集有做语义级别分析或者局部关联分析的，但这些数据库存在内在的局限性。 建立一个像素级和多标签的数据集挑战非常大，他希望在合适的时间点，由大公司或NPO甚至国家出来做这样的事情。

对于摘得最后一届ImageNet皇冠的DPN模型，颜水成和他的学生们还从本质上探讨了ResNet、DenseNet和DPN之间关系。他认为虽然ResNet可以解释成是DenseNet的一个特例，而DPN也是两者思想的融合，但是由于两者是错位对接的，DPN无法再解释成DenseNet的一种特列，而是一种新的网络结构。

对于各种图像竞赛，他的观点是：比赛的名次本身并不重要，重要是“是否给整个society带来有价值的insight”。“雕虫小技”很容易被人遗忘，”群殴”式的模型堆砌不会被人敬佩，”暗杀”式的不公布算法细节的刷榜很难被铭记。比赛给各种算法提供了一个相对公平的“比武场”，这是有助于技术创新的。基础模型和标准组件是两种常见的为整个society贡献Insight的方式。

对于最近火热的边缘计算，他认为大家都希望AI最终能落地，2C的量远大于2B的量，最大的量在手机等终端设备上。所以边缘计算是人工智能发展需求决定的一个大趋势。技术上看，目前有三种方式降低边缘计算量：第一种是内功—就是特别好的网络结构；第二种是武器—低精度表示的方法；第三种是暗器—巧妙用低功耗的网络先确定那部分不需要计算的网络。三种方法都是为了减少计算量以适应边缘计算，三种相辅相成。

最后他讲述了自己在计算机视觉领域的整整16年，他认为，算法更新了很多代，但是研究的很多问题本身没变。颜水成师承计算机视觉大师Thomas S. Huang、张宏江、汤晓鸥、李子青等，本在学术界风生水起，却因为老周对智能硬件的热情而跨入工业界，经历了学术界到工业界的巨大变化。他更懂得如何发挥学生各自特长，带出了很多优秀的学生，谁适合工业界谁又适合学术界，他都加以指引。虽然他是一个很push的老板，但也被学生亲切地称为“水哥”。

以下是颜水成采访实录，由编辑整理，有删减和调整。

ImageNet确实可以终结了，计算机视觉的未来属于多标签、像素级、语义级

“图像的竞赛还是像素级别的分类更好。如果像素级分割做好了，无论做任何类型图像理解或语义理解的问题都好办了。”

新智元：今年之后ImageNet的ILSVRC挑战赛“退出江湖”，是不是表明分类检测任务已经取得相对完善的表现？