他凭借深厚的科学素养和敏锐的学术思维,
在人脸识别、底层视觉、深度学习等研究方向取得了多项开创性成果。
2014年研发了全球首个超过人眼识别能力的面部识别算法,开启了人脸识别行业技术大规模落地的时代,
推动我国在相关领域跃居世界领先地位;
提出了基于暗原色的单一图像去雾技术,发现了自然图像中的暗原色基本准则,为图像视频增强这一重要视觉问题提供了新方法,
获得计算机视觉三大顶级会议之一国际计算机视觉与模式识别会议(CVPR)2009“最佳论文奖”,是CVPR自1983年举办以来亚洲学者首次获奖;
2014年首次提出了图像超分网络,基于该技术诞生了世界首款基于深度学习的数码变焦软件,
开创了深度学习用于底层视觉的新方向。
据统计,汤晓鸥先生论文累计被引用近14万次,H-index 143,位居全球华人计算机科学家前列。
![](/templates/default/images/engjiuyi1.png)
![](/templates/default/images/engjiuyi1a.png)
![](/templates/default/images/ngjiu-dier.jpg)
-
计算机视觉领域顶级国际期刊 IJCV 主编,IJCV 历史上首位任主编的华人科学家
-
IEEE Fellow
-
ICCV (IEEE 国际计算机视觉会议) 2009程序委员会主席、ICCV 2019大会主席
-
CVPR 2009最佳论文、AAAI 2015最佳学生论文
-
领军的中国人工智能团队入选世界十大人工智能先锋实验室
-
研发世界上第一个超过人眼的人脸识别算法,开启了整个人脸识别行业技术落地的时代
-
汤晓鸥教授的工作在底层视觉领域起到了开创性和引领性的作用汤晓鸥教授的工作在底层视觉领域起到了开创性和引领性的作用,其中,5篇代表作引用量超过3千次,总引用量超过4万次。
深度学习时代之前,已有两篇极有影响力的工作奠定了其在底层视觉领域的地位。
-
汤晓鸥教授所提出的方法Dark Channel Prior获得了计算机视觉顶会CVPR大会唯一的最佳论文奖2009年,在去雾任务上,汤晓鸥教授所提出的方法Dark Channel Prior获得了计算机视觉顶会CVPR大会唯一的最佳论文奖,这是CVPR创办25年来首次由亚洲学者获此殊荣。该论文引用量超过8千次。
2012年,在图像滤波任务中,汤晓鸥教授所提出的方法Guided Image Filtering发表在计算机视觉顶刊TPAMI上,被学术界和产业界广泛应用,并写入图像处理教材和开源代码库。该论文引用量超过7千次。
深度学习时代之后,汤晓鸥教授最早将深度学习引入底层视觉领域,并引领了其后十年的发展。
2014年,在超分辨率任务上,提出了深度超分“开山之作”SRCNN,首次证明了深度学习在底层视觉中的有效性,截至目前引用量超1.4万次,是超分领域中被引用最多的文章。
2016年,进一步提出加速版的FSRCNN,是首个实时的深度超分算法。
2018年,所提出的生成式超分算法ESRGAN获得了ECCV首届视觉超分大赛的冠军。
在此之后,汤老师的团队持续努力,共获得12项底层视觉国际比赛的冠军,并成功的将算法落地在vivo、小米等智能手机上,实现了从算法原创到产业落地的全链条创新。
![](/templates/default/images/disanzner2.jpg)
-
引领深度学习在计算机视觉颠覆性创新的浪潮在深度学习效果初露端倪之际,2011年汤晓鸥教授就带领团队在全球率先全力投入深度学习研究,多次击败全球行业巨头获得国际权威大赛ImageNet、ActivitiyNet、COCO等冠军。汤晓鸥先生引领了深度学习在计算机视觉颠覆性创新的浪潮。
2015年,汤晓鸥先生提出CelebA,是全球首个深度学习预测人脸属性的工作,被评为ICCV近十年来最高引用的十篇论文之一,被全球超过500所科研机构使用,并收录进多本人工智能的核心教材。
2015年提出的3D ShapeNet首次将大数据和深度神经网络带入到3D机器视觉,引领了3D网络架构的研究,启发了深度学习在3D视觉中的应用。
2016年先生设计的TSN首次在受限GPU显存下实现视频动作识别全视频级的端到端训练,被工业界广泛应用到大规模视频内容分析。
2016年,进一步提出加速版的FSRCNN,是首个实时的深度超分算法。
2016年开发的DeepFashion是全球首个深度学习进行服饰识别和检索的系统,开启了人工智能落地应用于时尚领域的时代,并被部署到多个城市的多个商场。
2016年创建的WIDER Face数据通过提供多样化的真实世界数据,促进了深度学习人脸检测领域的发展,成为至今为止(2023年12月)引用次数最高的人脸检测数据集文章。
![](/templates/default/images/disanzner3.jpg)