深度学习与媒体计算.pdfVIP

专题 第 11 卷  第8 期  2015 年 8 月 深度学习与媒体计算 1 2 特邀编辑：俞能海 　张艳宁 　 1中国科学技术大学 关键词 ： 2 媒体计算　深度学习 西北工业大学 互联网的发展已达到空前规 得益于强大的数据抽象能力，深 进一步掀起了深度学习的高潮。 模，新闻网站、微博、微信、社 度学习技术也为媒体计算领域研 为此，本期专题邀请王晓刚教授 交网络、图像视频共享网站等各 究提供了新的机遇。 撰写 《图像识别中的深度学习》 类网络平台正在极大地改变着人 本期专题围绕 “深度学习与 一文。文章全面回顾了深度学习 们获取信息的方式。消费类电子 媒体计算”这一主题，邀请了数 的研究历史，介绍了深度学习在 设备的普及使普通民众不仅是信 位领域内的专家撰文。他们结合 图像识别领域的必威体育精装版研究进展， 息的消费者，也成为网络信息的 各自领域的必威体育精装版研究成果，对深 包括在物体识别、物体检测、视 提供者。同时，媒体数据的来源 度学习和媒体计算的未来发展趋 频分析等方面的应用现状，探讨 渠道广、内容多样化、需求多元 势进行了阐述。专题内容涵盖媒 了深度学习在图像识别领域未来 化、计算复杂化等特点也给媒体 体计算研究的若干方面。清华大 可能的发展趋势。 计算 （特别是媒体信息的有效表 学教授朱文武和浙江大学教授吴 语音识别是深度学习取得突 示）带来了极大挑战。 飞联合撰写的文章 《媒体计算新 破的另一个领域。事实上，早在 深度学习是近年来出现的一 进展与挑战》从学科发展的角度 2006 年，欣顿刚提出深度学习技 种具有里程碑意义的数据表示学 介绍了媒体计算在利用深度学习 术时，就是以语音识别作为应用 习技术。深度学习的本质是通过 克服 “异构鸿沟”和 “语义鸿沟” 实例。谷歌、微软等公司的语音 多层非线性变换从大数据中自动 这些核心问题上取得的新进展， 识别产品采用的几乎都是深度学 学习特征，从而替代手工设计。 内容涉及多模态语义学习、媒体 习技术。科大讯飞研究院副院长 深层的结构使深度学习具有极强 检索与排序、媒体哈希索引等， 魏思博士等人撰写的《语音信号 的表达能力和学习能力，尤其擅 并讨论了今后的研究趋势。 与信息处理中的深度学习》一文， 长提取复杂的全局特征和上下文 20 12 年，多伦多大学欣顿 系统阐述了深度学习在语音信号 信息，而这是浅层模型难以做到 (Hinton) 小组采用深度学习技术 与信息处理中的必威体育精装版研究进展， 的。通过应用深度学习技术，物 赢得了ImageNet 图像分类的比 涉及语音识别、语音合成、声音 体识别、图像分类、语音识别等 赛，震惊了计算机界。之后，香 转换、语音增强等主要研究方向， 诸多领域都取得了巨大突破。谷 港中文大学王晓刚团队利用深度 并对深度语音信号和信息处理的 歌、微软、百度等互联网公司也 学习在户外脸部检测数据库(L a- 发展趋势进行了展望。 投入大量精力研究深度学习技 beled Faces in the Wild , LFW) 上 自然语言是媒体计算的一个 术，构建了相应的数据处理平台。 取得了超过人类的人脸识别率， 重要研究对象。在图像识别和语 8 第 11 卷  第8 期  2015 年 8 月 IOI 2015中国队再创佳绩