[[127778]]

一直以來，計算科學家一直在為建立世界上最精確的計算機視覺系統孜孜不倦地努力著，但取得進展的過程卻一直如馬拉松競賽般漫長而艱辛。近期，微軟亞洲研究院視覺計算組實現的突破讓他們成為了這場競賽的***領跑者。該團隊所開發的基于深度卷積神經網絡（CNN）的計算機視覺系統，在ImageNet 1000挑戰中***超越了人類進行對象識別分類的能力。

微軟研究團隊在題為“Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification”的論文中指出，他們的系統在ImageNet 2012分類數據集中的錯誤率已降低至4.94%。此前同樣的實驗中，人眼辨識的錯誤率大概為5.1%。這個數據集包含約120萬張訓練圖像、5萬張驗證圖像和10萬張測試圖像，分為1000個不同的類別。微軟研究員表示：“據我們所知，我們的研究成果是這項視覺識別挑戰中***個超越人類視覺能力的計算機系統。” 

該研究團隊由微軟亞洲研究院研究員孫劍、何愷明以及來自西安交通大學和中國科學技術大學的實習生張祥雨和任少卿組成。

孫劍已在微軟亞洲研究院工作了十二年，現任視覺計算組***研究員。此前，他在西安交通大學獲得了電氣工程專業學士、碩士及博士學位。2001年，孫劍曾是沈向洋博士的學生。沈向洋目前擔任微軟全球執行副總裁，主管技術與研究，并且是微軟亞洲研究院創始成員之一。這位因在計算機視覺及圖像學領域建樹***而當選IEEE Fellow（電氣電子工程師學會院士）及ACM Fellow（美國計算機協會院士）的計算機科學家，對他昔日弟子所取得的成就感到非常自豪。

“孫劍和我在2001年和西安交通大學鄭南寧教授一起做的***個項目是利用置信傳播(belief propagation)進行立體重建。孫劍***個將貝葉斯置信傳播用來解決立體視覺問題并取得了當時***的效果。” 沈向洋對孫劍在微軟所取得的成就倍感驕傲。

“孫劍的很多研究成果都成功應用到了微軟的核心產品中。而他在更深層神經網絡方面***研究成果的潛力讓我尤為興奮和期待。”

孫劍將團隊取得的***成果歸功于以下兩項關鍵突破：一是開發了適應性更強的非線性神經元，二是改進訓練算法，使得神經網絡更為強大。

微軟研究員在論文中指出，修正神經元 (rectifier neuron)是近期將深度神經網絡應用于計算機視覺挑戰時取得成功的關鍵要素之一。

研究人員表示：“在本論文中，我們從兩個方面對主要由修正神經元驅動的神經網絡進行了研究。首先，我們生成了一種新的修正線性單元（ReLU），并將其稱為參數化修正線性單元（PReLU）。 該激活函數不僅可自適應獲取修正參數，還可提高計算精度，且所需額外計算成本幾乎可以忽略不計。其次，我們研究了深度修正模型的訓練難度。我們通過對修正線性單元（即ReLU/PReLU）的非線性特征進行直接建模，推導出一種符合理論的初始化方法，并直接從頭開始訓練網絡，將其應用于深度模型（例如，具 有30個帶權層的模型）的收斂過程。這為我們探索功能更強大的網絡體系結構提供了更多的靈活性。” 

該研究團隊雖然對其算法超越人類視覺識別極限感到興奮不已，但與該領域的其他研究人員一樣，研究團隊成員也強調，計算機視覺目前從根本上仍無法與人類視覺相比。計算機系統在識別物體、理解圖像上下文及場景高級信息等領域仍面臨諸多挑戰。 

“雖然我們的算法基于該特定的數據集得出了極為理想的結果，但這并不表明在對象識別領域機器視覺普遍優于人類視覺。某些對于人類來說輕而易舉 的基本對象類別的識別，機器識別仍然存在明顯錯誤。盡管如此，我們的研究結果表明機器算法在眾多視覺識別任務上具有巨大的發展潛力。”

“人類可以毫不費力地區分出一只羊和一頭牛。但計算機在執行這些簡單任務時卻不盡***，”孫劍解釋道。“但是，當涉及到不同品種的羊的區分時，計算機可超越人類。通過訓練，計算機可觀察圖像的細節、紋理、形狀及環境，并發現人類無法察覺出的區別。”

微軟研究團隊的工作并不僅僅局限于基礎研究，其多項成果已被應用到微軟的產品和服務中，包括必應圖片搜索及微軟云存儲解決方案OneDrive。在近期的一篇博文中，微軟OneDrive項目經理Douglas Pearce介紹了 OneDrive自動識別照片內容的功能。

“OneDrive會自動為用戶上傳的照片創建標簽，比如人、狗、沙灘、落日等等，使用戶借助標簽能夠更輕松地尋找到自己的圖片。有了這項功能，我們向演示項目中添加照片、與家人重溫特殊回憶，或與Facebook好友分享重要時刻就變得輕而易舉。”Pearce如是說。

想要了解此項技術背后原理的讀者可閱讀微軟研究院去年發布的專題文章。該文章介紹了來自同一研究團隊的研究成果，他們在保持準確性不變的條件下將深度學習目標檢測系統加速了多達100倍。該團隊的科研進展記錄于題為“Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition”研究論文中。

“微軟亞洲研究院視覺計算研究組一直致力于推動計算機視覺研究的前沿發展，***目標是使計算機能夠模擬出人類的感知能力。我對研究組多年來所 取得的成就深感自豪，他們不僅以高質量的論文取得了學術界的認可，而且通過將這些技術轉化到了微軟的多個核心產品中。”微軟亞太研發集團主席兼微軟亞洲研 究院院長洪小文博士說道。

2010年，來自斯坦福大學、普林斯頓大學及哥倫比亞大學的科學家們啟動大規模視覺識別挑戰賽（Large Scale Visual Recognition Challenge），推動了計算機視覺識別挑戰的持續發展。科技行業知名記者John Markoff于2014年8月在《紐約時報》上刊登文章指出，2014年計算機識別挑戰的目標識別準確率幾乎提升了一倍，圖像分類錯誤率也減少了一半。最近，百度的研究人員在其論文中宣稱，以ImageNet對象分類為基準，百度的計算機視覺系統實現了前五選5.33%的錯誤率。

關于計算機視覺的挑戰仍在繼續，今年的挑戰賽將 于12月啟動。但這并不是孫劍、何愷明及其研究團隊的關注重點。“我們的目標是在眾多應用上開發出能與人類視覺媲美，甚至比人類更準確的計算機視覺系 統，”孫劍說道。“如要實現這一目標，我們需要更多的訓練數據和更加真實的測試場景。我們在必應、OneDrive和其他服務平臺上的工作將幫助我們進一 步改善算法的魯棒性。”