清華姚班本科生榮獲國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別大會(huì)最佳論文獎(jiǎng)

清華新聞網(wǎng)7月31日電 2017年國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別大會(huì)（IEEE Conference on Computer Vision and Pattern Recognition，CVPR2017）于7月21日至26日在美國(guó)夏威夷火奴魯魯島召開(kāi)，清華大學(xué)姚班計(jì)科30班劉壯同學(xué)以共同第一作者身份發(fā)表的大會(huì)論文《密集連接的卷積神經(jīng)網(wǎng)絡(luò)》（Densely Connected Convolutional Networks）獲得了會(huì)議最佳論文獎(jiǎng)。 

劉壯同學(xué)獲最佳論文獎(jiǎng)。

論文主要的貢獻(xiàn)是提出了一種全新的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)“密集鏈接卷積網(wǎng)絡(luò)”（DenseNet），顯著地提升了模型在圖片識(shí)別任務(wù)上的準(zhǔn)確率。卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）是深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)研究中最重要的模型之一。先前的研究中，在卷積神經(jīng)網(wǎng)絡(luò)中加入短路連接被證實(shí)為提升模型準(zhǔn)確度最有效的方法之一，但是傳統(tǒng)網(wǎng)絡(luò)中每層網(wǎng)絡(luò)僅與其前后相鄰兩層相連。在劉壯與合作者的研究中，卷積神經(jīng)網(wǎng)絡(luò)中的短路連接被發(fā)揮到極致，使得網(wǎng)絡(luò)中每?jī)蓪佣枷噙B，這樣得到的網(wǎng)絡(luò)模型稱(chēng)為密集連接的卷積網(wǎng)絡(luò)（Densely Connected Convolutional Networks，DenseNets）。密集連接卷積網(wǎng)絡(luò)的優(yōu)點(diǎn)包括緩解了訓(xùn)練神經(jīng)網(wǎng)絡(luò)中著名的梯度消失現(xiàn)象，加強(qiáng)了特征的前向傳播和重利用，以及大大提高了參數(shù)利用效率。在一系列圖片分類(lèi)數(shù)據(jù)集上，密集連接卷積網(wǎng)絡(luò)在參數(shù)使用較少的情況下，均取得了顯著的效果提升。

國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別大會(huì)是計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域的國(guó)際頂級(jí)會(huì)議，2017年共收到2680篇投稿，接收了783篇，并最終評(píng)選出包括該論文在內(nèi)的兩篇最佳論文。此項(xiàng)工作是劉壯大三期間在康奈爾大學(xué)訪(fǎng)問(wèn)期間在基利恩·溫伯格
（Kilian Weinberger）教授研究組完成，合作者還包括清華大學(xué)自動(dòng)化系和康奈爾大學(xué)計(jì)算機(jī)系聯(lián)合博士后黃高（博士畢業(yè)于清華大學(xué)自動(dòng)化系），以及臉書(shū)人工智能研究院的研究員勞倫斯·范德馬特（Laurens van der Maaten）。劉壯同學(xué)是安徽省理科高考考生，2013年進(jìn)入清華大學(xué)計(jì)算機(jī)科學(xué)實(shí)驗(yàn)班（姚班）學(xué)習(xí)，大三期間曾在交叉信息院資助下前往康奈爾大學(xué)計(jì)算機(jī)系進(jìn)行了為期7個(gè)月的訪(fǎng)問(wèn)，即將于2017年8月赴美國(guó)加州大學(xué)伯克利分校攻讀計(jì)算機(jī)博士。

供稿：交叉信息院 編輯：華山