<mark id="oztn4"></mark>
0
| 本文作者： 奕欣 | 2017-07-22 18:13 | 專題：CVPR 2017 |
CVPR 是 IEEE 一年一度的計算機視覺與模式識別技術會議，也是計算機視覺的世界三大頂會之一。2017 年的 CVPR 會議將于 7 月 21 日到 26 日于夏威夷會議中心召開，雷鋒網將赴前線做覆蓋與報道。
今天是 CVPR 大會的首日，一大早，CVPR 的簽到臺就井然有序地排起了長龍。與其它國際會議相似的是，會議采用掃碼打印名牌的方式入場，此外也支持通過下載 App 的方式來關注自己想看的議程。
（這是下午拍的，早上可不是長這樣）
現場還有紀念衫領取，不少同學已經迫不及待地穿上啦。
一樓的一整層是會議展臺與茶歇區，規模五五平分，密密麻麻布滿了展臺與茶歇的大桌子，有種吃流水席的感覺。
由于正式議程明天才開始，目前展臺還沒有完全搭好。
不過從展板來看，微軟、京東、谷歌等眾多廠商將在接下來的幾天開啟一場聲勢浩大的宣傳活動。
而三樓和四樓則是今天 tutorial 和 workshop 的主要陣地。根據大會資料統計，今年 CVPR 共有 44 個 workshop 和 22 個 tutorial 舉行，分別與 21 日和 26 日進行，覆蓋計算機視覺的多個細分領域，包括語言、生物學、3D 建模、自動駕駛等。因此，持續一整天的 tutorial 和 workshop 簡直是讓人眼花繚亂，目不暇接。雷鋒網 AI 科技評論現場詢問了幾位到場的同學，他們都表示只能是忍痛割愛，選擇自己所研究的領域或是自己感興趣的方向進行了解。
其中，大牛多且演講內容翔實的 workshop 自然成為了一座難求的熱門議程，比如周博磊、王曉剛、Ross Girshick 和何凱明所組織的《 Deep Learning for Objects and Scenes 》就是今天比較火爆的 tutorial 之一，有好幾位同學都提及自己去了這個議程。在計算機視覺領域，深度學習已經成為了視覺建模的主要驅動力。而這個 tutorial 將圍繞近期在深度學習領域的研究進行展示，著實令人非常期待。
而在 21 日下午，兩位 FAIR 實驗室的研究員何凱明與 Ross Girshick 分別介紹了視覺識別如何學習深度表征（深度殘差網絡的設計），以及物體識別的深度學習研究；而 MIT 的周博磊則對量化分析不同卷積神經網絡內部神經元的語義特征進行分析；香港中文大學的王曉剛則介紹了用深度學習進行視頻分析。
清華大學的三年級博士生孔濤去年參加了 CVPR ，今年再次來到現場的他告訴AI科技評論，《Deep Learning for Objects and Scenes》的這幾位組織者都是這個領域比較頂尖的研究者，因此受歡迎也毫不意外，他自己也聽了這個報告。
從 14 年到 17 年，目標檢測的研究重點變化非常快。而為何會有如此迅速的進展，孔濤向雷鋒網 AI 科技評論表示，一方面是因為工業界有這樣的需求，另一方面也是靠研究自身的推動。
至于應用領域，孔濤表示最簡單直接的應用就是以圖搜圖，或者是用文字描述視頻等內容。「目標檢測、識別這些任務，實際上只是最基礎的一環，要實現更具體的應用，如無人駕駛，還需要在基礎研究上做更多的工作。」
一葉知秋，其它的議程相信也非常充實和精彩。在會議結束后，還有不少參會者在現場圍著 poster 討論，或是在休息區進行交流和分享。
CVPR 第一天就在滿滿的議程以及辛苦地倒時差中度過了，而明天主議程召開，真正的重頭戲才剛剛開始。雷鋒網 AI 科技評論也將從前線繼續帶來 CVPR 的一線報道，敬請關注。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
