论视觉理解（英文）

作者：潘云鹤

来源：Frontiers of Information Technology & Electronic Engineering, 2022, 23(09): 1287-1291.

<正>1视觉识别面对的问题和发展方向人工智能（artificial intelligence, AI）从一开始就将模式识别作为其重要工作领域之一。近年来，深度神经网络（deep neural network, DNN）的成熟使得视觉识别的准确率大为提高，并在医学图像识别、车辆识别、人脸识别等方面广泛投入应用，推动AI产业发展进入高潮。但是，基于DNN技术的视觉识别存在重要缺陷，例如，需要标识的样本数据量较大、模型的鲁棒性较差、学习与推理的结果难以解释、模型泛化与跨数据域迁移能力较弱等。这些问题已成为当前AI研究和应用发展的一大挑战，甚至是障碍。

• 单位
  浙江大学; 之江实验室