深度学习语义分割

午餐之后，下午的演讲由两场语义分割开始，这意味着识别和描述图片中的物体。在道路场景解析（自动驾驶汽车），机器人抓取物体和医疗保健（分割肿瘤，龋齿等）等中是很有用的任务。

Sven Behnke，波恩大学计算机科学系主管，讲述了两个算法，神经抽象金字塔和语义RGB-D感知器。《神经抽象金字塔（NAP）》是他的历史著作（约98年， 论文）。NAP是一个神经网络，其包括横向连接，与人类视觉系统工作方式十分接近。它成功地应用于图像去噪和人脸定位。他最近的工作集中在语义RGB-D感知器方面，它是DNNs，输入数据来自于类似体感传感器，包括距离信息。使用这些距离信息，可以计算出每个像素的高度并相应地缩放输入，由此得到更好得分割和语义解释（论文PDF）。此外，他们还在原始对象上使用深度遮罩，并且将色彩画的深度图像作为CNN的输入，由此取得了良好的效果（ 论文PDF）。

使用距离信息得到更好的语义分割

Bernardino Romera Paredes，牛津大学博士后研究助理，接着分享了语义分割的一种新算法（ 论文），它采用了全卷积网络再加上一个条件随机域作为递归神经网络，端到端地训练。他们取得了最好的准确性，但目前算法在实时使用上还不够快。他们发布了一个很棒的在线演示：http://crfasrnn.torr.vision

猫是DL从业人员常用的图像

接下来是Miriam Redi，雅虎实验室的研究科学家，她的演讲内容是《机器视觉的主观眼》。她的研究目标是在图像，特征中找到隐藏的元素，比如情感，社会，美学，创意和文化。她展示了四个不同的项目：

• 计算机肖像美学（ 论文）。使用画面特征和摄影师注解，他们能够预测肖像的美感，发现图像的特征，比如对比度和清晰度与感官美有高相关性，而性别，年龄和种族与感官美无相关性；
• 帮助发现美但不流行的图片（ 论文）。目标是在Flicker上发现美的但是被忽视的内容。他们首先在诸多资源中创建大型美感注解的数据集，然后创建能够找到新的美丽图画的模型；
• 跨文化情感预测（ 论文）。他们创建了12种语言的情感标注数据集。有趣的是，他们试图使用迁移学习，最后发现在拉丁语（使用法语标注训练出的分类器能够很好的预测拉丁语情绪）中迁移学习表现良好，而从拉丁语数据集中学习到的模型在预测汉语情绪上效果不佳；
• 使用Vine视频预测创造性（ 论文）。从诸多注解的视频和视频特征中，他们发现，当兼顾美学特征和新奇特征时，他们可以对创造性的定义进行建模。