第100章 还缺失一点东西！（5k）(1/5)
计算机视觉界,存在着一个所有人默认的黄金律条,那就是特征提取器本身必须具备严格的几何不变性。为了让算法在面对图像中的物体位移、旋转和缩放时保持稳定,传统的计算机视觉学派可以说是无所不用其极。
他们用的都是差分高斯,梯度方向直方图等复杂的数学算子,试图在像素进入分类器之前,就将这些空间变量归一化。
他们以为,这是唯一能让计算机看懂世界的路。
可现在,讲台上的那个华国青年,告诉他们不用那么麻烦。
他们其实用不上那些华而不实的数学算子。
只需要对数据源进行随机采样,然后在输出端,用最基础的方法,就能直接在统计层面上把所有的不确定性抹掉。
好心塞哦。
不过很快在场计算机人又高兴了起来。
他们心塞郁闷,是因为自己过去赖以生存的研究方向,很有可能马上就会被淘汰了,高兴的是,他们终于不用再受那份非人的折磨了!
“等一下......如果Qlnet这套模型真的可行,那岂不是意味着,我再也不用在凌晨三点,为了让特征算子能多识别出猫胡须,去在成千上万行代码里调那些该死的超参数了?”
“没错,我的兄弟!”
“不仅如此!你想想看,我们之前那个卡在准确率只有51%的课题,如果我们明天就用漆吴这套方法,我们的准确率会飆到多少?!”
“起码75%吧!"
“先别高兴太早,一切都要等复现了再说!”
对于这群常年泡在实验室里的计算机人来说,传统计算机视觉的研究早就进入了绝望。
SIFT、HOG、Fisher Vector......这些经典算法的潜力已经被压榨到了极限,大家为了在顶会上发一篇论文,不得不像个中世纪的炼金术士一样,用各种技巧把无数个创新点强行拼接在一起,只为了换取区区0.5%的微弱提
升,以此来发一篇论文。
有时候他们也都认可了外界的说法,认为深度学习这个领域已经没救了。
现场坐着的计算机人中,有些已经准备好拿个奖后,就离开这个折磨人,没有前途的领域。
但就在刚才,漆吴向他们证明了深层卷积网络的可行性!
漆昊用实际数据告诉他们,深度学习领域其实潜力巨大!
纵然这一切还没有被完全验证,但是,吴给了他们一个希望!
他们愿意相信漆昊,不仅仅是因为QInet的训练结果,还有一部分原因是,漆昊在数学界的成果,让他说的话,有了一定的可信度。
再说直白点,那就是换一个无名之辈来,讲同一套东西,现在他们估计都没那么大反应,也不会接受立刻接受卷积神经网络会重新回来的可能性。
主会场内,惊叹声和密集的辩论声几乎要将天花板掀开。
而就在这片热闹中,坐在前排评委席的李教授,衣口袋里的手机忽然响了。
她看了一眼来电显示,神色微微一敛,随即穿过激动的人群,快步走到了会场外相对安静的露天连廊上。
按下接听键,话筒里立刻传来了她博士生导师,加州理工学院计算机视觉皮特罗的声音:“李,你怎么跑到巴塞罗那去主持那个什么ImageNet挑战赛了?”
“我之前就提醒过你,不要在那种繁琐机械的图像分类比赛上浪费太多精力,学术界的核心在于探寻最本质的科学规律,而不是去