沈春华： 利用深度学习加速像素级别预测

10月21日上午，2019世界VR产业大会“深度学习与混合现实分论坛”召开。本次活动由南昌工学院承办，江西以太科技园有限公司、中澳增强现实与深度学习重点实验室协办。本次活动以“VR引领时代 AI创造未来”为主题，对深度学习如何推动VR产业发展进行了深入的讨论。全国高校人工智能与大数据创新联盟秘书长朱启明主持论坛。

西北工业大学长江学者、阿德莱德大学计算机科学系教授沈春华在会上表示，我今天跟大家分享的是基于深度学习的像素级别预测。这个问题是什么样的呢？大家可能知道现在通过计算机视觉能够理解和预测很多你感兴趣的与图片相关的特征、性质。而图像级别的预测则意味着每个像素都要做预测，具体从数据上来说，就是给出输入的图片，我们都需要估计一个函数，然后输出感兴趣的预测。我们最近正在做的工作是语义分割，就是改革输入图片，设定标定标签，主要目标是把集成量降下来，让深度学习嵌入到移动端。虽然深度学习正趋向于构建更深层的模型结构以提高性能，然而近来一些结果表明，考虑到其他限制，仅仅增加网络层数不是最佳选择。而新型浅层残差网络结构能够在分类和语义分割任务上大幅优于更深层网络，在像素标定方面，基于Cityscaps数据集的方法相对于传统目标提取有更大的优越性。