您的位置: 首页 > 视频 > CNCC > CNCC2017 > 特邀报告

陈熙霖-从物体识别到场景理解

[视频介绍]
简介:计算机视觉近年来的进展极大地鼓舞了工业界和学术界。仅从避障和识别物体而言,计算机视觉技术和方法已经能够满足很多应用的需求。但这些往往都是面向单一任务的,不论是从扩展性还是适应性等方面与人类或者高等动物视觉系统相比,还有很大的差距。任务驱动和处理的碎片化是影响计算视觉系统发展的重要因素。另一方面,视觉研究中对感知和认知的割裂也为这一领域设置了一道人为的天花板。随着局部计算视觉问题的突破和计算能力的飞速发展,计算机视觉的研究也将从关注物体识别走向关注理解,从任务驱动走向要素驱动,从大数据解决小问题走向小知识撬动大问题。计算机视觉在物体识别等任务上的成功很大程度上刺激了人工智能的复兴,超越单纯的物体识别是可视智能的重要体现,这将依赖于对物体和场景的深层次识别和推理,同时背景知识也将起到重要的作用。场景理解将和高层表示与推理相融合,将视觉的感知与语言的推理认知结合,持续推动人工智能的发展和进步。
播放265 收藏 下载

视频介绍

讲师:陈熙霖

  • CCF会士、副秘书长、理事,CCCF编委
  • 中国科学院计算技术研究所研究员
  • 研究方向:计算机视觉与模式识别以及多媒体技术

关键词:

课程简介:计算机视觉近年来的进展极大地鼓舞了工业界和学术界。仅从避障和识别物体而言,计算机视觉技术和方法已经能够满足很多应用的需求。但这些往往都是面向单一任务的,不论是从扩展性还是适应性等方面与人类或者高等动物视觉系统相比,还有很大的差距。任务驱动和处理的碎片化是影响计算视觉系统发展的重要因素。另一方面,视觉研究中对感知和认知的割裂也为这一领域设置了一道人为的天花板。随着局部计算视觉问题的突破和计算能力的飞速发展,计算机视觉的研究也将从关注物体识别走向关注理解,从任务驱动走向要素驱动,从大数据解决小问题走向小知识撬动大问题。计算机视觉在物体识别等任务上的成功很大程度上刺激了人工智能的复兴,超越单纯的物体识别是可视智能的重要体现,这将依赖于对物体和场景的深层次识别和推理,同时背景知识也将起到重要的作用。场景理解将和高层表示与推理相融合,将视觉的感知与语言的推理认知结合,持续推动人工智能的发展和进步。