1
| 本文作者：李尊 | 2016-06-28 19:56 |
国际计算机视觉与模式识别会议（CVPR）是IEEE一年一度的学术性会议，会议的主要内容是计算机视觉与模式识别技术。下面是6月27日的大会摘要，有重要人物的演讲。
David Chambers是来自于SwRI的高级研究员，他把今天想要参加的演讲分享给大家。
“这些主题对我来说非常有意思，因为我主要处理的就是有关机器导航、对象检测以及无人车等相关问题。”
早上 9:00 - 10:05 匹配校准 五个口述演讲
10:05 – 10:35 分割和轮廓检测 五个主题推广演讲
下午 1:45 – 2:50 对象识别和检测 五个口述演讲
2:50 – 3:20 对象检测1 七个主题推广演讲
欢迎来到拉斯维加斯参加2016年度CVPR会议，今年的CVPR一定会十分精彩，因为：
l CVPR2016将会展示计算机视觉和深度学习领域最新的成就，包括像热门的大型视频理解和新兴的视觉疑问回答领域问题。
l 有史以来第一次，CVPR2016将举办一个100个公司参加的工业展。
l 同样有史以来第一次，CVPR2016的组委会成员几乎全是女性（虽然可能有点性别失衡）。
另一个更有创新性，我们将在CVPR2016使用每日简报的形式发布消息，保证每天早上都能收到有关CVPR2016最新资讯。
接下来这一星期将充满各种科技创新，我们最后想提出一个观点：计算机视觉将会无处不在它将会应用到我们的汽车、家庭、搜索引擎、医院等领域。在未来它将会用来帮助残障人士、进行社会分析、拯救生命甚至提高粮食产量。为了实现这样的目标，我们需要为研究学者们建立一个广阔且多样的社区平台：不同国家、教育程度、性别、种族、社会经济背景、生活经验、个人目标也不尽相同的人都能有自己的发挥空间。
今日 CVPR工业展 6.27-30
今天CVPR工业展将开幕，将会有许多创业公司以及业界巨头来进行展示，学界和业界在此期间可以实现良好沟通交流。
昨日 人类与自动面部识别在随机图片上的识别准确度比较（A Comparison of Human and Auto-mated Face Verification Accuracy On Unconstrained Image sets）
今天的认知组织研讨会很有意思，有许多非常精彩的演说以及活跃的讨论。今年的主题是反馈机制。我们主要讨论的是有关于哪一项任务最需要反馈，或者说对我们最有益处。Deva Ranmanan提到在“瞬间视觉”和“长期视觉”这两者中，反馈对于后者更有用。还有其他学者也提出了自己的个人见解，大家都收获不少。
另一个重点话题是能不断修正的网络。Viren Jain、Jitendra Malik以及Piotr Dollar也都发表了各自有关看法。
一个有趣的观点来自于Deva和Bruno，他们将视觉作为一个推理工作，通过使用隐藏变量模型将反馈当做一个自然推理结果。最后，反馈也不永远都是必要的。Thomas Brox提到前馈模型仍然有一定优势。
CVPV的组委会里的一大亮点是涌现了大量女性学者，甚至年轻学者。下面以Tanushri Chakaravorty为代表，来看看这些女性学者凭什么占据CVPR组委会“高官”的半壁江山。以下Tanushri Chakaravorty简称T，CVPR Daily 以下简称C。
C: Tanushri，你在哪里上的学？
T: 我在蒙特利尔工程学院上学，目前是一名博士学生。
C: 你的工作是关于什么的呢？
T: 我的工作是有关对象追踪以及视频排序。
C: 你的工作创新点在哪儿？
T: 我的工作创新的点是能够用在一系列的通用对象上。因为我的目标是无模型追踪，所以我设计的算法能够被用来追踪任何对象，而不是特定的某个对象（如脸型、鸟、狗等）。
C: 这意味着你的工作能马上投入到实际工作中！
T: 对！它可以实际应用在画面监控中，还有面部识别的功能。有很多种应用方式，像交通监控、对象计数、运动轨迹预判等。
C: 你能讲一讲你实现的的算法是哪一种的吗？
T: 我的追踪算法的主要理念是可能性。举例说，我们想估计某个物体是否在这个视频里。我们使用这个物体的一些特性，然后通过这些特性会试着估计它就在这个视频里的可能性。
C: 你能告诉我们碰到了哪些挑战吗？
T: 我认为最有挑战的是要找到固定的特征。对于我们人类来说，如果一个人姿势不同或者不停变化姿势，我们仍然能够判断他是同一个人。但是计算机就不同了，因为它太原始了，每样事物在它看来都是一样的。所以需要告诉计算机算法某样东西是这个物体特有的才行。
C: 你的工作打算下一步如何进行？
T: 下一步我打算结合一个探测器到我的算法中，提升它的预判和成功率，使我的算法称为最好的算法。
C: 你能告诉我们你的工作总发生过什么意想不到的有趣的故事吗？
T: 当然好，有趣的或者说有挑战的是在你实际测试之前根本不会料到会发生这样的事情。举例说，一个人出现在视频中，突然他/她一下消失了。对于我们人类来说，我们会想“他/她应该还会出现或者他/她不会再出现了。” 但是算法不会这么认为，它会觉得这个物体运动得毫无规律，变成了一堵墙。所以说，有时候看算法出错犯迷糊非常有意思。
Maryam Rahnemoonfar 以下简称M，CVPR Daily 以下简称C
C: Maryam, 你目前在哪里任职？
M: 我目前是德州农工大学的一名计算机科学助理教授。
C: 我能问下你为什么选择在计算机视觉领域发展吗？
M: 事实上，我本科的专业是市政工程。作为一名市政工程学生，有一们特别的课程是测绘学。我非常喜欢和卫星图片打交道，所以在我的博士阶段，我选择了计算机科学并且打算和所以的图片打交道。当我在学市政工程的时候，我认为在办公室里做测量比在室外炎热恶劣的环境中好多了，而且得到的结果也一样。
C: 这是你真正热爱这个领域的原因吗？
M: 是的。
C: 我能问下作为一名女性，在这个领域想要做出成绩困难吗？
M: 是有不少的挑战。因为这个领域是有男性主导的，所以你需要比男性付出两到三倍的努力才能获得成功。不过我认为我现在已经做得相当不错了！
C: 你能讲一件有关于你刚刚说的情况的故事吗？发生过什么只会出现在女性身上的事情么？
M: 我没有具体的事情可以说，不过像我现在就是我们部门唯一的一位女性。在我上学的时候，我也是唯一的一名女博士。
C: 你最喜欢的老师是谁？
M: 我最喜欢的老师是我在Teheran大学的电子工程教授Ahad Tavakoli。
C: 你受益最多的是什么？
M: 他非常非常有条理，对学生也相当关心。因为自己理解是一回事，把它教给学生又是另外一回事。我喜欢他能把任何事情都讲得通俗易懂。
C: 你想实现的是什么？
M: 在学术界，特别是计算机视觉方向，一直以来都是从事视觉图像的工作。但是由于我的市政工程背景，我曾经与雷达图像、声呐图像等不同形态的图像打过交道。我们希望能超越视觉图像，往这个方向进行探索。因为计算机不会有人类眼睛一样的限制，所以可以去探索一些人类眼睛看不见的地方。我想在计算机视觉领域和遥感领域架起一条桥梁。事实上，我的实验室就是计算机视觉方向和遥感方向，我希望自己能为这两者沟通做出贡献。
C: 你认为你实现这个的几率有多大？女性对于这种问题又该如何回答？
M: 一般来说，女性面对的挑战通常是男性对于他们所说的充满信心。即使他们说的完全是错误的，他们也充满自信。但是在我看来，女性一般没有这么自信，这个在我的那些做的不错的女学生中也得到体现，我也不知为什么。所以对于我来说，我应该有70-80%的可能性实现这个目标。
图片来自 CVPR2016-Monday
via CVPR 2016
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
