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,而不是去当一个整理上百万张图片的高级数据图书管理员,这在学术委员会那里可拿不到什么加分。”

听着导师唠叨,李教授并没有生气,只是无奈地笑了笑。

其实之前整个计算机视觉界对于她顶着巨大压力搞出来的ImageNet数据库,大多持冷眼旁观的态度。

在那些笃信算法胜过一切的传统学术大佬眼里,靠堆积海量数据来做图像识别,简直就是小孩过家家。

“皮特罗, ImageNet目前已经......”

“好了,先不说这个。”皮特罗直接打断了她的话,语气稍微放缓了一些,“我打电话来是想告诉你一个新动向。”

“多伦多大学的辛顿来找到了我,声称他的实验室找到了一种能够有效训练深层神经网络的方法,他听说了你的ImageNet项目,希望能获得授权,用你手里的那些海量图片来测试他们的模型。”

辛顿?

是那个坚持了多年的联结主义和神经网络,在主流学术界眼里的过气学者辛顿?

“辛顿要使用ImageNet?”李教授追问道,“他是想用什么模型来跑?”

“还能是什么?他那个万年不变的执念卷积神经网络呗。’

“也不知道那东西有什么魔力,让他如此着迷。”

“不管如何,我们该帮他,还是要帮,你那个数据集就让他们去折腾吧,不过,你也别抱太大希望,神经网络在特征提取上的天然缺陷,是不可能靠堆叠层数来解决的。

听着导师滔滔不绝的技术批判,李教授转过身,隔着连廊洁净的落地玻璃窗,望向了会场内。

台上,那个叫作漆吴的华国青年正单手插兜,神色从容地回答着众人的提问。

李教授突然压抑不住自己的自豪感。

她终于可以对那些嘲讽她只是在造垃圾场的人,给予回击了。

而这个底气,来自于台上的那个华国青年!

“皮特罗教授,我想,多伦多大学那边可能不用急着开始做实验了。”

“嗯?为什么?”皮特罗在电话那头愣了一下。

“因为,就在十多分钟前,在ICCV的ImageNet挑战赛现场,已经有人用卷积神经网络,取得了有史以来最好的成绩。”

“你说什么?”

“卷积神经网络取得最好的成绩?李,今天可不是愚人节。”

“有一个华国的年轻学者,他叫漆昊,他带来了一套名为QInet的深层卷积神经网络模型,他们的模型跑出了的结果,错误率只有15%。

“而第二名,施乐欧洲研究中心XRCE的结果,错误率是26%。”

皮特罗握着听筒不出声了。

施乐欧洲研究中心XRCE的实力他是清楚的,错误率在26%可以说是在意料之内的事。

这已经算是近几年来最好的成绩了。

但那个QInet是什么情况?

15%?

在追求0.5%提升都得脱层皮的计算机视觉界,11%的断层式差距他们一般都会默认是个错误的存在。

毕竟这也太离谱了,就跟出BUG的程序居然自顾自跑起来一样离谱。

“这不科学!是不是评测服务器的评测脚本出BUG了?还是他们作弊把测试集放进了训练集里?!这不合逻辑,CNN连图像基础的旋转和平移不变性都无法在算子层面保证,怎么可能跑出这种成绩?!”

“没有BUG,我们其实验证了多次,结果没有问题。”

“皮特罗,时代变了,他没有在算子层面做任何复杂的几何归一化,他只是对数据进行了随机裁剪和镜像翻转,然后在GPU上,用算力,强行让网络自己学会了空间不变性,事实证明,在足够庞大的数据和深层网络面前,我

们过去引以为傲的方式,不值得一提。”

“15%,15%......”皮特罗喃喃自语,还没等他回过神来,李教授便礼貌地说了句“现场颁奖要开始了”,便挂断了电话。

听着话筒里传来的嘟嘟盲音,皮特罗放下了手。