keywords: 图片识别,人工智能
在这个大数据被用烂的时代,这个思路也不是很新,但是重点是2007年就开始了,这就很牛了
搜索的时候看到了她写的给学生写paper的建议,里面有句话:A good research project is not about the past (i.e. obtaining a higher performance than the previous N papers). It's about the future (i.e. inspiring N future papers to follow and cite you, N->\inf).
大概就不难知晓她的成功了吧,现在大家做的都是按照大数据的思路,然后不断修改算法,提升速度准确度
虽然不是做图像处理的,但是这个研究的思路和精神要学习
PS以前上过图像处理课,大概就是降噪提取背景的过程,连续拍摄你在运动的图像,然后计算机处理就会把你当做噪声消除掉留下静止的背景。这个演讲里面也是任何图片在计算机眼里就是个数值矩阵罢了,看得人蛮发凉的。
如果真的人工智能,如果没有约束条件,真的是件很可怕的事情
牛人就是牛人,一开始就是一个whole picture,然后在细化算法。大的框架不断拓展,图片识别,智能语音之类的人工智能问题都连起来了,太牛了。
扩展阅读:
1、演讲中提到的数据库:
http://www.image-net.org/
2、大牛对2015CVPR的概括:
http://www.computervisionblog.com/2015/06/deep-down-rabbit-hole-cvpr-2015-and.html
http://zoyathinks.blogspot.sg/2015/06/cvpr-recap-and-where-were-going.html
3、一个视频,还没细看:
http://techtalks.tv/talks/reverse-engineering-the-human-visual-system/61640/
4、一些论文:
http://www.cv-foundation.org/openaccess/CVPR2015.py
http://papers.nips.cc/book/advances-in-neural-information-processing-systems-25-2012
http://cs.stanford.edu/people/karpathy/cvpr2015papers/
5、两个工具:Torch vs Caffe