TED-How we're teaching computers to understand pictures

TED 地址

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

http://torch.ch/docs/cvpr15.html

http://caffe.berkeleyvision.org/