張笑笑

沈琳琳，深圳大學(xué)計(jì)算機(jī)與軟件學(xué)院教授，廣東省教育廳中英合作視覺(jué)信息處理實(shí)驗(yàn)室主任、深圳大學(xué)計(jì)算機(jī)視覺(jué)研究所所長(zhǎng)、博士生導(dǎo)師、英國(guó)諾丁漢大學(xué)計(jì)算機(jī)學(xué)院榮譽(yù)教授。上海交通大學(xué)學(xué)士、碩士，英國(guó)諾丁漢大學(xué)博士。

作為負(fù)責(zé)人主持國(guó)家自然科學(xué)基金項(xiàng)目、廣東省自然科學(xué)基金項(xiàng)目和深圳市科技計(jì)劃項(xiàng)目20余項(xiàng)，作為第一發(fā)明人獲發(fā)明專(zhuān)利2項(xiàng)。發(fā)表學(xué)術(shù)論文100余篇，其中SCI檢索50篇，EI檢索80篇。據(jù)Google Scholar，論文總被引用次數(shù)2032，H指數(shù)20。擔(dān)任《ISRN Signal Processing》編委，《IEEE Trans. on Image Processing》《IEEE Trans. on Multimedia》《Pattern Recognition》《Image & Vision Computing》和《Computer Vision & Image Understanding》等國(guó)際重要期刊的審稿人。

現(xiàn)為廣東省高?！扒О偈こ獭迸囵B(yǎng)對(duì)象，深圳市高層次“地方領(lǐng)軍人才”，深圳市海外高層次人才，深圳市十佳青年教師。曾獲2008年深圳市科技創(chuàng)新獎(jiǎng)、2012年深圳市自然科學(xué)獎(jiǎng)、2013年廣東省科學(xué)技術(shù)獎(jiǎng)、2015年中國(guó)電子學(xué)會(huì)科學(xué)技術(shù)獎(jiǎng)、2010年國(guó)際期刊《Image and Vision Computing》最多他引論文獎(jiǎng)。2015、2016連續(xù)2年被愛(ài)思維爾出版社評(píng)為計(jì)算機(jī)學(xué)科“中國(guó)高被引學(xué)者”。

專(zhuān)家簡(jiǎn)介：

2016年3月，AlphaGo和李世石的世紀(jì)大戰(zhàn)點(diǎn)燃了大眾對(duì)“人工智能”的熱情和討論，“機(jī)器學(xué)習(xí)”“深度學(xué)習(xí)”等專(zhuān)有詞匯一時(shí)間傾瀉而來(lái)，它們之間到底有何區(qū)別？

深圳大學(xué)計(jì)算機(jī)與軟件學(xué)院教授沈琳琳介紹說(shuō)，人工智能是一個(gè)愿景和目標(biāo)，機(jī)器學(xué)習(xí)是人工智能范疇下的一種工具，深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)里面一個(gè)分支，強(qiáng)調(diào)的是所使用的模型。交談中，沈琳琳無(wú)不流露出對(duì)這個(gè)新興領(lǐng)域的喜愛(ài)。而他主攻的圖像處理和模式識(shí)別就屬于人工智能的重要組成部分。

結(jié)緣“Gabor小波”

20世紀(jì)初，一個(gè)名叫Dennis Gabor的人提出了“Gabor函數(shù)”的概念，從此人們用他的名字來(lái)命名使用該函數(shù)的小波，即Gabor小波。那時(shí)，Gabor小波還只是一維的，也并沒(méi)有應(yīng)用于識(shí)別領(lǐng)域；后來(lái)經(jīng)過(guò)發(fā)展，它提升為二維。直到1994年，英國(guó)劍橋大學(xué)約翰·道格曼使Gabor小波的發(fā)展產(chǎn)生了質(zhì)的飛躍。他用Gabor函數(shù)跟貓的視覺(jué)皮層的響應(yīng)函數(shù)做比較，觀察貓?jiān)诳礀|西時(shí)皮層是如何興奮的，以及神經(jīng)元興奮響應(yīng)的函數(shù)。研究后他發(fā)現(xiàn)，二者很像，這說(shuō)明用Gabor小波函數(shù)分析圖像是有生理基礎(chǔ)的，于是他開(kāi)發(fā)了第一個(gè)虹膜掃描及辨識(shí)的算法，并申請(qǐng)了專(zhuān)利。

“Gabor小波應(yīng)用的很成功！”2002年，沈琳琳受英國(guó)政府海外研究獎(jiǎng)學(xué)金資助遠(yuǎn)赴諾丁漢大學(xué)攻讀博士，主要從事人臉識(shí)別研究，那時(shí)他用到最多的方法就是Gabor小波函數(shù)，“用這種方法來(lái)提取特征，人臉識(shí)別準(zhǔn)確率很高”。初獲成功點(diǎn)燃了沈琳琳的興趣，他開(kāi)始閱讀大量的文獻(xiàn)，隨著研究的深入，他發(fā)現(xiàn)Gabor小波性能很好，但問(wèn)題同樣存在——計(jì)算量比較復(fù)雜，特征維度很高——計(jì)算效率低?！爱?dāng)時(shí)我做了一個(gè)重要的工作就是找到一個(gè)方法，通過(guò)特征選取，把不重要的去掉，使特征維度縮短，從而加快提取的速度，最終達(dá)到又準(zhǔn)又快?！彼麑?duì)采用Gabor特征的二維人臉識(shí)別方法進(jìn)行了全面、深入的總結(jié)，對(duì)不同方法的思想、原理及其優(yōu)缺點(diǎn)進(jìn)行了歸納分析，通過(guò)互信息和Boosting算法對(duì)小波的位置、中心頻率以及方向進(jìn)行選擇，最后只采用其中關(guān)鍵的數(shù)百個(gè)特征進(jìn)行識(shí)別，從而在準(zhǔn)確性降低很少的情況下大大提高了識(shí)別系統(tǒng)的效率。研究成果“A review on Gabor wavelets for face recognition”發(fā)表于《Pattern Analysis and Applications》雜志，目前據(jù)Google統(tǒng)計(jì)被引用次數(shù)已達(dá)362次；研究成果“MutualBoost learning for selecting Gabor features for face recognition”發(fā)表在《Pattern Recognition Letters》，目前據(jù)Google統(tǒng)計(jì)被引用次數(shù)已達(dá)101次。

博士期間，沈琳琳獲得了“國(guó)家優(yōu)秀自費(fèi)留學(xué)生”獎(jiǎng)勵(lì)。畢業(yè)后，他進(jìn)入英國(guó)諾丁漢大學(xué)醫(yī)學(xué)院擔(dān)任Research Fellow。諾丁漢大學(xué)因核磁共振儀而聞名。2003年，美國(guó)伊利諾大學(xué)香檳分?；瘜W(xué)系教授保羅·勞特伯與英國(guó)諾丁漢大學(xué)教授彼得·曼斯菲爾因在核磁共振成像技術(shù)方面貢獻(xiàn)重大，獲得諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)。沈琳琳也自然投入到大腦核磁共振（MRI）圖像處理和基于MRI圖像的大腦疾病分析研究工作中，參與多個(gè)基于Gabor小波的醫(yī)學(xué)圖像處理項(xiàng)目。所謂的“核磁共振成像”就是將人體置于特殊的磁場(chǎng)中，用無(wú)線(xiàn)電射頻脈沖激發(fā)人體內(nèi)氫原子核，引起氫原子核共振，并吸收能量。在停止射頻脈沖后，氫原子核會(huì)按特定頻率發(fā)出射電信號(hào)，并將吸收的能量釋放，被體外的接受器收錄，經(jīng)電子計(jì)算機(jī)處理獲得圖像。這是前期工作，而沈琳琳所要做的是后期處理，“拿到核磁共振的圖像后，我需要做一些圖像處理，醫(yī)生再在這基礎(chǔ)上比較正常和患某種疾病的大腦的異同，分析疾病的原理?！?/p>

從二維到三維

提到圖像處理，一定離不開(kāi)“模式識(shí)別”。模式識(shí)別是一個(gè)大領(lǐng)域，可識(shí)別的內(nèi)容有很多，比如圖像、語(yǔ)音等?！皥D像的來(lái)源很廣泛，如攝像頭拍照、醫(yī)學(xué)X光掃描等，但不論設(shè)備是什么，最后得出的都是圖像”。得到圖像后，下一步就要開(kāi)始理解圖像。如何理解？這涉及到“人是如何看圖像的”。早期，犯罪嫌疑人在紙上印下自己的指紋印，由法官憑借肉眼判斷兩個(gè)指紋是否為同一人。這是最原始的識(shí)別。隨著科技的日新月異，技術(shù)愈發(fā)可以解放人力，簡(jiǎn)言之，沈琳琳的研究?jī)?nèi)容就是設(shè)計(jì)一個(gè)“機(jī)器”取代人眼，從而把圖像內(nèi)容識(shí)別出來(lái)。這需要他學(xué)習(xí)人類(lèi)觀察事物的方法，掌握不同領(lǐng)域的專(zhuān)業(yè)知識(shí)作為基礎(chǔ)?？v觀全局，這其實(shí)是一個(gè)輸入和輸出的過(guò)程，沈琳琳的任務(wù)就是中間過(guò)程中的轉(zhuǎn)化連接。endprint

后來(lái)，他在對(duì)Gabor小波抽取信號(hào)特征機(jī)理進(jìn)行深入研究的基礎(chǔ)上，結(jié)合核方法、信息理論和支持向量機(jī)，構(gòu)建了高效而魯棒的人臉、掌紋、指紋以及硬幣識(shí)別系統(tǒng)。

“我想把所做的研究與實(shí)際產(chǎn)業(yè)進(jìn)一步結(jié)合，在英國(guó)只是做純粹的研究，產(chǎn)業(yè)結(jié)合沒(méi)有太多的機(jī)會(huì)，而且文化不同，結(jié)合的難度也比較大?！庇谑?，在2006年沈琳琳結(jié)束海外漂泊，回國(guó)加入深圳大學(xué)計(jì)算機(jī)與軟件學(xué)院。

一個(gè)人在國(guó)外，遠(yuǎn)離親人又面臨著文化差異，困難程度可想而知，沈琳琳?qǐng)?jiān)持了過(guò)來(lái)。回國(guó)后，他依舊舉步艱難。由于錯(cuò)過(guò)了申請(qǐng)碩士生導(dǎo)師的時(shí)間，沈琳琳沒(méi)有自己的學(xué)生，做事情都只能靠自己，一個(gè)人寫(xiě)申請(qǐng)書(shū)，一個(gè)人做研究，一個(gè)人敲代碼，“開(kāi)頭很難”，話(huà)語(yǔ)間仍能體會(huì)他當(dāng)時(shí)的艱辛與酸楚?！白隹蒲凶钪匾氖菆?jiān)持”，因?yàn)槭冀K如一的信仰，沈琳琳咬牙度過(guò)了最難的開(kāi)創(chuàng)期。

在深圳大學(xué)，沈琳琳延續(xù)了在國(guó)外的研究?jī)?nèi)容，希望對(duì)一些固有問(wèn)題提出新的解決方法?！氨热缬姓趽酢⒐庹瞻?，人臉識(shí)別就會(huì)受到影響，準(zhǔn)確率低”。他的第一個(gè)項(xiàng)目國(guó)家自然基金項(xiàng)目“基于過(guò)完備感知模型和稀疏表示的有遮擋人臉識(shí)別研究”意在解決這一問(wèn)題。“但是這個(gè)方法解決問(wèn)題的同時(shí)自己本身也存在一些問(wèn)題——字典計(jì)算量比較大，不容易找出解”，對(duì)此他申請(qǐng)了第二個(gè)國(guó)家自然基金項(xiàng)目“過(guò)完備字典自適應(yīng)優(yōu)化理論及應(yīng)用研究”。就這樣，沈琳琳受“問(wèn)題驅(qū)動(dòng)”意識(shí)影響，不斷地發(fā)現(xiàn)問(wèn)題、尋找解決方法。

當(dāng)時(shí)Gabor小波還主要用于二維圖像，“在二維圖像上效果那么好，能不能用到三維圖像上？”于是沈琳琳開(kāi)拓性地將三維Gabor小波應(yīng)用于三維大腦核磁共振圖像配準(zhǔn)以及高光譜遙感影像分類(lèi)領(lǐng)域。他提出了一種基于三維Gabor小波的配準(zhǔn)性能評(píng)判方法，即通過(guò)對(duì)配準(zhǔn)后三維MRI圖像的局部結(jié)構(gòu)進(jìn)行分析，可以快速、客觀地給出性能指標(biāo)。方法能廣泛應(yīng)用于配準(zhǔn)算法的選擇、參數(shù)選取，最終推動(dòng)基于三維MRI圖像的大腦疾病分析技術(shù)的進(jìn)步。研究成果發(fā)表在當(dāng)時(shí)影響因子為4.3的JCR 1區(qū)期刊《Medical Image Analysis》上。后期，他又通過(guò)三維Gabor小波和高光譜數(shù)據(jù)的卷積，抽取影像每個(gè)像元在空間-光譜聯(lián)合空間內(nèi)的局部變化特性。實(shí)驗(yàn)發(fā)現(xiàn)，“多個(gè)不同小波抽取的特征在融合后，能夠很好地代表象元在三維空間內(nèi)的局部信號(hào)變化”。后續(xù)工作對(duì)三維Gabor特征進(jìn)行了進(jìn)一步篩選，在保持高準(zhǔn)確率的同時(shí)，大大提高了系統(tǒng)效率。研究成果陸續(xù)發(fā)表在影響因子為3.5的JCR 1區(qū)期刊《IEEE Transactions on Geoscience and Remote Sensing》。

夢(mèng)想照進(jìn)現(xiàn)實(shí)

隨著工業(yè)合作的深入發(fā)展，沈琳琳有越來(lái)越多的機(jī)會(huì)實(shí)現(xiàn)產(chǎn)業(yè)化愿景。2011年，沈琳琳收到一份邀請(qǐng)。這是一家生產(chǎn)醫(yī)用顯微鏡和硬件的公司，其產(chǎn)品主要銷(xiāo)售給醫(yī)院用做疾病診斷，比如驗(yàn)血——加入抗原、抗體后在顯微鏡下觀察不同的反應(yīng)，以判斷是否可能出現(xiàn)某種疾病。過(guò)去，整個(gè)過(guò)程都依靠人工使用顯微鏡，這樣就造成檢測(cè)員工作量很大，準(zhǔn)確率和效率也都受到不同程度影響，因此，他們就提出能否有一個(gè)軟件自動(dòng)把反應(yīng)類(lèi)型分類(lèi)。

“他們有需求，我們就合作”，沈琳琳接受了這個(gè)挑戰(zhàn)。殊不知，那時(shí)世界上做這類(lèi)研究的人還很少，因?yàn)樽黾?xì)胞圖像有一個(gè)特點(diǎn)——沒(méi)有數(shù)據(jù)做不了研究。沈琳琳因?yàn)楹凸竞献?，就有了獲取圖像數(shù)據(jù)的來(lái)源，這樣，他才能順利地做下去。

兩年后，檢驗(yàn)成果的時(shí)刻終于來(lái)到。IEEE國(guó)際圖像處理會(huì)議（ICIP）組織了一場(chǎng)“國(guó)際熒光細(xì)胞圖像分類(lèi)大賽”，沈琳琳延續(xù)先前工作，在詞袋框架下對(duì)基于灰度排序的局部特征字典進(jìn)行了研究，通過(guò)聚類(lèi)對(duì)密集采樣獲得的局部紋理特征字典進(jìn)行學(xué)習(xí)，將在該字典上的表示用直方圖統(tǒng)計(jì)代表整體圖像，最后和空間金字塔方法相結(jié)合用于對(duì)顯微鏡觀察到的HEp-2細(xì)胞熒光圖像進(jìn)行自動(dòng)分類(lèi)。比賽最后，沈琳琳的算法擊敗了來(lái)自美國(guó)、澳大利亞、日本、法國(guó)和意大利著名大學(xué)的13支參賽團(tuán)隊(duì)，以最高的準(zhǔn)確率獲得冠軍。研究成果也發(fā)表于模式識(shí)別領(lǐng)域知名期刊《Pattern Recognition》 。

漸漸地，沈琳琳的工作走上正軌，他也有了自己的學(xué)生。說(shuō)起他的第一個(gè)研究生，沈琳琳記憶頗深?！八菍?zhuān)科生升本科生，基礎(chǔ)不是很好”，但通過(guò)3年的努力，最后拿到了一家互聯(lián)網(wǎng)名企公司的錄取單。擁有這樣傲人的成績(jī)，除了學(xué)生自身的刻苦，沈琳琳也功不可沒(méi)。作為老師，他總是更多的投入精力和時(shí)間去訓(xùn)練學(xué)生，通過(guò)帶他們做科研、做項(xiàng)目提升技術(shù)水平。授人以魚(yú)不如授人以漁，“在培養(yǎng)其技術(shù)能力的基礎(chǔ)上要有針對(duì)性的培養(yǎng)他們獨(dú)立思考，不是把技術(shù)簡(jiǎn)單的告訴他，而是教會(huì)他如何獲得這個(gè)技術(shù)，如何思考、如何解決問(wèn)題”，表達(dá)與溝通也是他看重的能力。傳道授業(yè)，沈琳琳可謂是用心良苦。

回憶起當(dāng)年在上海交大讀碩士，沈琳琳感概道，“那時(shí)還沒(méi)有數(shù)據(jù)庫(kù)，網(wǎng)絡(luò)也不發(fā)達(dá)，查論文很麻煩，只能去圖書(shū)館打印”。后來(lái)讀博士，一切就都變得方便，他有機(jī)會(huì)接近最新技術(shù)，同國(guó)際學(xué)者交流接觸。以至于到如今，沈琳琳更加珍惜這個(gè)時(shí)代所創(chuàng)造的機(jī)會(huì)，可以讓像他一樣有追求有激情的科研者踐行自己的科學(xué)夢(mèng)。未來(lái)，沈琳琳期盼有一個(gè)更大的突破——和公司達(dá)成合作，產(chǎn)品能有更多人使用。

電話(huà)那端，沈琳琳的聲音有些低沉，甚至有些疲憊。在沈琳琳看來(lái)，科研就是一條一旦選擇了就不能停下腳步的路，唯有源源不斷地探尋下去，才可能看到彼岸的縷縷曙光。然而在路途中，會(huì)經(jīng)歷獨(dú)孤、困苦、失望，也會(huì)有欣喜與激動(dòng)。這一切都需要自己默默承擔(dān)下，“在未來(lái)的某一天，一定會(huì)感謝當(dāng)年努力奮斗過(guò)的自己。endprint