本刊記者 范燕燕

凌云壯志 勇攀高峰
——記中國科學院自動化研究所副研究員汪凌峰

本刊記者 范燕燕

汪凌峰

如果不是機緣巧合下的一場講座，汪凌峰現(xiàn)在可能會在某家公司敲著代碼、編著程序，也極有可能已告別計算機行業(yè)，另謀他就。但生活的巧妙恰恰是沒有給出現(xiàn)實之外的答案，所以此時的他，出現(xiàn)在中國科學院自動化研究所，埋頭鉆研著計算機背后的智能奧秘。

2006年，時值汪凌峰大學本科在讀，武漢大學計算機學院是他汲取知識、收獲經驗的第一課堂。在這里，他了解計算機的發(fā)展，同時籌劃著自己的未來?！爱敃r盤算著，畢業(yè)后直接去找一份工作，沒想到朱老師來武漢大學的一場講座改變了我的所有規(guī)劃?！?/p>

汪凌峰口中的朱老師，是中國蓮花山計算機視覺與信息科學研究院院長朱松純，也是全球著名計算機視覺專家，在人工智能、計算機視覺等方面頗有造詣。至于那場講座，汪凌峰記憶猶新。他這樣形容：“那是一場前沿、極具吸引力的講座，講述的是我之前從未接觸的領域，一下子勾起了我全部的興趣?！?/p>

從那時起，汪凌峰便開始接觸計算機視覺。憑借天資聰穎、后天的勤懇，在新世界的浩瀚中，他不斷向著更高的山峰攀援。

轉身 選擇另一番天地

上世紀80年代，David Marr的《視覺：從計算的視角研究人的視覺信息表達與處理》一書，開創(chuàng)出計算機視覺發(fā)展潮流。隨著時間推進，一代代科研人的嘔心瀝血，計算機視覺如今有了更加多樣化的姿態(tài)。至今，Marr提出的3個層次研究方法，即計算理論層、表征與算法以及實現(xiàn)層，依然影響著計算機視覺的研究人員。

在對計算機視覺深層了解后，汪凌峰決定考研。經過緊張、充足的準備，在2008年，他被中國科學院研究生院錄取，在自動化研究所正式開啟他的逐夢之旅。5年碩博連讀，汪凌峰以一腔熱誠和不間斷的拼搏，在計算機視覺領域終有所斬獲。

2013年，他博士畢業(yè)，發(fā)表了題為“基于局部感知的若干視覺問題研究”的博士論文。次年，該論文被中國科學院評選為優(yōu)秀博士論文。在論文中，他基于計算機軟硬件發(fā)展及相關學科的基礎，如：模式識別、圖像處理、計算機圖形學等，針對噴薄而出的多發(fā)性計算機視覺問題，作出了深入研討。考慮到多數(shù)視覺問題自身的復雜性，運用全局模型難以準確的表達，他將大問題分而治之，引入局部感知，即：局部建模問題，全局約束問題，從而更加靈活并且有效地解決視覺問題。

“論文中，從全局和局部角度出發(fā)看待視覺問題是當時的研究熱點和難點。利用全局約束問題，采取局部建模，從而更能抓住問題關鍵所在。局部全局兩者之間的結合、靈活使用，無論是在科研工作當中，還是在社會生活中，都具有很大的價值意義。”汪凌峰如是說。一艘航船，主梁是它的支撐，是全局，是宏觀，船板、船舷、哪怕一顆螺絲也是它不可或缺的一部分，這就是所謂的局部和微觀。宏觀微觀結合，航船才能揚帆起航。

有了獨特的切入點，機敏的方法基礎，問題的解決也就變得簡單不少。在后續(xù)研究中，一系列成果的展示十分可喜：首先，他提出一項基于局部背景感知的視覺目標跟蹤算法，該算法可以有效地處理目標與背景相似且背景多變的難題，解決目標短時間遮擋及跟蹤環(huán)境光照變化問題。其次，他提出基于局部梯度模自適應插值邊緣指導的單幅圖像超分辨率算法。該算法利用局部梯度模自適應插值從低分辨率圖像中直接估計銳化的高分辨率梯度，并將估計的高分辨率梯度作為(邊緣保持的)梯度約束。再次，在貝葉斯框架下，他提出了兩個基于局部模型的水平集醫(yī)學圖像分割算法。

繼往開來 突破進取

通過汪凌峰的解讀可以了解，目標跟蹤在實際生活的諸多領域，具有不可替代的應用價值，例如：智能視頻監(jiān)控、智能交通控制、無人機駕駛與導航、體感人機交互以及視頻壓縮和檢索等。同時，在軍事國防領域，其作用亦可見一斑。智能安防、反恐，它無處不在。隨著信息技術發(fā)展，其前景趨勢更不可限量。

目標跟蹤作為視覺突破的難點，有著極其復雜的研究背景。信息的不完全化、環(huán)境的復雜性均會影響目標跟蹤造成的結果，加之光照等外部因素，以及特化難點，譬如：目標的形變、姿態(tài)的改變或旋轉等，諸如此類，都會給跟蹤創(chuàng)造出一項又一項棘手的問題。但汪凌峰強調，跟蹤始終會是計算機視覺的核心技術之一。

于是，在明確目標跟蹤的劃歸范圍，以及其主要任務是從連續(xù)圖像序列中估計目標狀態(tài)，以此為高層視覺處理提供有力的支撐等問題上，汪凌峰投入到更深層次的跟蹤研究之中。

在國家青年科學基金的大力支持下，汪凌峰的項目開展得如火如荼?？紤]到目標跟蹤難點的多樣性，在技術路線上，他一方面采取分而治之的研究策略，即根據(jù)不同的難點提出相應的解決方案；另一方面，則采取由簡單到復雜的研究策略，即先引入局部背景，然后結合稀疏表達，最后將它們統(tǒng)一起來。針對目標外觀變化（光照等因素引起）和背景相似等復雜難點，他提出基于在線分類的跟蹤方法。面對遮擋難點，則采用基于結構稀疏表達的目標跟蹤，再次靈活運用全局與局部概念，將局部背景感知和稀疏表達有效地結合起來，創(chuàng)新發(fā)現(xiàn)基于鑒別稀疏表達的目標跟蹤算法。

2013年，為獎勵汪凌峰在計算機視覺方向所做出的杰出貢獻，中國科學院特授予其“院長特別獎”，此獎系在全院甄選40名優(yōu)秀科研工作者，以茲鼓勵。在當年的自動化研究所，汪凌峰的這項榮譽可謂獨一份。

新發(fā)展 新展望

博士畢業(yè)后的一段時間，考慮到視野的拓展和時代的需要，汪凌峰將研究方向逐步轉移到人工智能及其背后深度研發(fā)的強化學習和深度學習領域?！拔蚁Ｍ卟煌瑢こ５穆?，在科研過程中，另辟蹊徑會讓我感到欣喜?！辈徽撌怯辛诵碌陌l(fā)現(xiàn)，還是與研究前沿的“大?！辈恢\而合，這都讓他收獲前所未有的滿足。研究之魅力，在他這里，總是彰顯出新生的活力。

汪凌峰說，深度學習通過構建深度網絡逐步從信息中獲取知識，強化學習可將學習模型在失敗、成功的案例中逐漸增強。深度學習和強化學習的結合是必不可少的。首先通過大量的經驗信息，挖掘有用的知識，然后，將知識反作用于世界，進而在世界反饋的機制下，對學習模型進一步調整。通俗地講，這種學習過程如嬰孩的成長一般。“要認識世界，就難免會有跌倒、摔碰，但正是接觸的過程才會獲取認識的經驗，從而為成長鋪墊下一步道路?！?/p>

以號稱“打敗”人類的AlphaGo為例，汪凌峰做了更為深入的介紹。“AlphaGo背后的技術原理，其核心內容就是深度學習與強化學習的結合。通過分析幾千萬個專業(yè)圍棋玩家棋譜，從而使其學會評估不同走法的系統(tǒng)，進而運用搜索機制來選擇最佳走法?！彼€表示，AlphaGo所面臨的棋局理解問題，在狀態(tài)空間的表示上，相對尚小，目前來看也非最復雜的。在金融、醫(yī)療、仿真對抗游戲等方面還存在更多、更艱難的問題，而這些難題的主要難點一方面源于狀態(tài)空間的表示，另一方面則源于信息的不完全。

在未來，汪凌峰將以深度學習為基石，推動人工智能多領域技術研發(fā)，將強化學習作為著眼點，促進圖像、視覺與智能化研究的全面發(fā)展。在世界頂級雜志發(fā)表學術成果，與眾前沿學者交流思想；承擔國家重大攻堅項目，將成果實現(xiàn)技術轉換；增加團隊與個人的合作溝通，展現(xiàn)獨立核心技術在應用層面的實際效能……每一站的風景，汪凌峰都勾勒得清晰而又明確，讓遠方不再是遠方，而化為觸目可及的前方。