企业官网建设流程全解析

新乡网站建设设计,2021军事热点新闻,永康网站建设专业公司,wordpress 247点击下方卡片#xff0c;关注「3D视觉工坊」公众号选择星标#xff0c;干货第一时间送达来源#xff1a;机器之心「3D视觉从入门到精通」知识星球(点开有惊喜) #xff01;星球内新增20多门3D视觉系统课程、入门环境配置教程、多场顶会直播、顶会论文最新解读、3D视觉算法源…点击下方卡片关注「3D视觉工坊」公众号选择星标干货第一时间送达来源机器之心「3D视觉从入门到精通」知识星球(点开有惊喜) 星球内新增20多门3D视觉系统课程、入门环境配置教程、多场顶会直播、顶会论文最新解读、3D视觉算法源码、求职招聘等。想要入门3D视觉、做项目、搞科研欢迎扫码加入不久前NeurIPS 2025 顺利举办作为人工智能学术界的顶级会议之一其中不乏学术界大佬的工作和演讲。有一项荣誉的颁发显得格外厚重且众望所归 —— 由任少卿、何恺明、Ross Girshick 和孙剑合著的经典论文 《Faster R-CNN》摘得了 「时间检验奖」 (Test of Time Award)。凡是接触过计算机视觉的人对这个名字绝不陌生。自 2015 年发表以来《Faster R-CNN》无疑成为了该领域最具里程碑意义的工作之一。它不仅一举奠定了现代目标检测框架的核心范式更像是一座灯塔深刻影响并指引了随后整整十年的视觉模型发展方向。论文地址https://arxiv.org/pdf/1506.01497作为这一历史性时刻的见证与总结何恺明在大会上发表了题为《视觉目标检测简史》 (A Brief History of Visual Object Detection)的演讲。何恺明演讲 PPT 已经公开可以参阅以下链接https://people.csail.mit.edu/kaiming/neurips2025talk/neurips2025_fasterrcnn_kaiming.pdf从何恺明的演讲内容来看这不单是一个技术汇报更像是一部计算机如何学会「看世界」的英雄史诗总结了 30 年来视觉目标检测的发展历程。演讲中介绍的每一个工作都获得了不同顶会的时间检验奖对视觉智能的发展起到了决定性的作用。你是否好奇为什么现在的 AI 能在一瞬间识别出照片里的猫、狗、汽车甚至它们的位置而在十几年前这却被认为是几乎不可能的任务让我们跟随大神的视角穿越回那个「原始」的时代看看这一路是如何走来的。原始手工打磨的「放大镜」在深度学习爆发之前计算机视觉科学家们更像是「工匠」。人脸检测的早期尝试 早在 90 年代科学家们就开始尝试用神经网络和统计学方法找人脸1996 年 Rowley 等人发表了 《基于神经网络的人脸检测》 (Neural Network-Based Face Detection) 这是何恺明阅读的第一篇 CV 论文利用早期的神经网络在图像金字塔上寻找面孔 。1997 年 Osuna 等人引入了支持向量机发表了 《用于人脸检测的 SVM》 (SVM for Face Detection) 试图在数据中画出一条完美的分类线。2001 年 著名的 Viola-Jones 框架 (The Viola-Jones Framework) 横空出世。它通过简单的特征组合实现了极快的人脸检测直到今天很多老式相机的对焦功能还得感谢它。特征工程的黄金时代 既然「整张脸」难找那就找「关键点」和「纹理」。随后的几年特征描述符成为了主角1999 年 Lowe 提出了 SIFT 这种「尺度不变特征变换」能在旋转、缩放的情况下依然认出物体是当年的绝对王者。2003 年 Sivic 和 Zisserman 借鉴文本搜索提出了 「视觉词袋模型」 (Bag of Visual Words) 把图片看作一堆「视觉单词」的集合。2005 年 Dalal 和 Triggs 发明了 HOG (方向梯度直方图) 专门用来描述行人的轮廓。同一年Grauman 和 Darrell 提出了 「金字塔匹配核」 (Pyramid Match Kernel) 用来比较两组特征的相似度。2006 年 Lazebnik 等人进一步提出了 「空间金字塔匹配」 (Spatial Pyramid Matching) 解决了词袋模型丢失空间位置信息的问题。2008 年 特征工程的集大成者 DPM (Deformable Part Model) 登场。它把物体看作一个个可变形的部件比如人的头、手、脚像弹簧一样连接在一起。这是传统方法的巅峰。痛点在哪里特征是人设计的Hand-crafted分类器比如 SVM只能在这些有限的信息上工作 。这种方法不仅慢而且很难适应复杂的场景。破晓AlexNet 与 R-CNN 的「暴力美学」2012 年AlexNet 横空出世深度学习证明了它提取特征的能力远超人类手工设计 。但是怎么用它来做目标检测呢深度学习的惊雷2012 年AlexNet (Krizhevsky et al.) 在 ImageNet 竞赛中以压倒性优势夺冠。它证明了深层卷积神经网络CNN提取特征的能力远超人类手工设计。R-CNN从分类到检测 但是怎么用 CNN 做目标检测框出物体位置 2014 年Girshick 等人提出了划时代的 R-CNN (Region-based CNN) 。它的思路很直接先用传统算法Selective Search在图上剪出约 2000 个「候选区域」 (Region Proposals)。把每个区域都扔进 CNN 提特征再用 SVM 分类。巅峰Faster R-CNN 的「速度进化」R-CNN 让每个候选框都过一遍 CNN计算量巨大。科学家们开始思考如何复用计算。2014 年 何恺明团队提出了 SPP-Net (Spatial Pyramid Pooling) 。它引入了空间金字塔池化层允许神经网络处理任意大小的图片并且只算一次全图特征大大加速了检测。2015 年 Girshick 借鉴 SPP-Net推出了 Fast R-CNN 。它引入了 RoI Pooling把特征提取和分类回归整合到了一个网络里不仅快还能端到端训练。最终的瓶颈 即便如此候选框Region Proposals依然依赖那个笨重的传统算法Selective Search这成为了系统的速度瓶颈。2015 年Faster R-CNN 的诞生何恺明团队提出了 RPN (Region Proposal Network) 。他们从 1991 年 LeCun 等人的 「空间位移神经网络」 (Space Displacement Net) 中获得灵感让神经网络自己在特征图上「滑动」通过预设的 Anchor (锚点) 来预测物体可能存在的位置。至此目标检测的所有环节 —— 提议、特征提取、分类、回归 —— 全部被神经网络接管实现了真正的「端到端」实时检测。速度和精度双重飞跃计算机视觉终于迈入了实时检测的时代。迷雾后的新世界Transformer 与万物Faster R-CNN 开启了一个时代但探索从未停止。演讲的后半部分何恺明展示了技术的洪流如何继续奔涌既然要快能不能连「候选框」这个步骤都不要了2016 年 YOLO (You Only Look Once) 和 SSD (Single Shot MultiBox Detector) 问世。它们像人类一眼看全图一样直接输出所有物体的位置和类别速度极快。2017 年 为了解决单阶段检测精度低的问题正负样本不平衡何恺明团队提出了 Focal Loss (RetinaNet) 。2017 年 Mask R-CNN 惊艳亮相。它在 Faster R-CNN 的基础上加了一个分支不仅能画框还能像素级地把物体「抠」出来实例分割引入了 RoI Align 解决了像素对齐问题。2020 年 DETR (Detection Transformer) 将 Transformer 架构引入视觉。它完全抛弃了 Anchor 和复杂的后处理NMS用全局注意力机制重新定义了检测。2023 年 SAM (Segment Anything Model) 横空出世。它在大数据的喂养下学会了「分割万物」不再受限于特定的训练类别展示了视觉大模型的雏形。在这个「大航海时代」我们学到了什么我们在过去的几十年里学到了什么何恺明说「Write object detection papers and win Test of Time Awards :)」写目标检测论文然后拿到时间检验奖 :) 演讲最后他用一张 Nano-Banana 生成的非常有寓意的图作为结尾一艘船驶向迷雾中的大海。他说科学探索就像是驶入迷雾 。这里没有预先画好的的地图。我们甚至不知道终点是否存在 。从手工特征到 CNN再到 Transformer每一次飞跃都是探险者在迷雾中发现的新大陆。Faster R-CNN 不仅仅是一个算法它教会了我们当旧的组件成为瓶颈时用更强大的可学习模型去取代它。在下一个十年计算机视觉的「圣杯」会是什么本文仅做学术分享如有侵权请联系删文。3D视觉1V1论文辅导3D视觉硬件官网www.3dcver.com3D视觉学习圈子「3D视觉从入门到精通」知识星球(点开有惊喜) 星球内新增20多门3D视觉系统课程、入门环境配置教程、多场顶会直播、顶会论文最新解读、3D视觉算法源码、求职招聘等。想要入门3D视觉、做项目、搞科研欢迎扫码加入3D视觉全栈学习课程www.3dcver.com3D视觉交流群成立啦扫码添加微信备注方向单位邀你入3D视觉交流群