List

Our team won the FIRST PRIZE (with USD $10,000 cash award) in MSR-Bing Image Retrieval Challenge 2013, hosted by Microsoft Research (Redmond) and Bing. The challenge is to judge the relevance of the nearly 80,000 text and image pairs, issued by Microsoft within 12 seconds. Our team is ranked the first with the highest accuracy and least computation cost. The award is presented in person by Microsoft CTO Dr. Harry Shum, in Bellevue, WA, USA.

研究的極限在哪?

很榮幸,我可以在視覺資料的機器智能研究中跟台灣最好的研究團隊一起工作。我一直深信我們的學生們有著最好的資質、數理基礎,而且使用著最好的計算設備。

在資訊領域,我們清楚知道競爭對手以及機會都是來自於全世界!

但是同樣的資質、同樣的環境,每個人的差異在哪? 九年多來,我發現每個優異的生命,表現決定於「為自己劃下的那一條線在哪裏」或是「給自己多少的勇氣與機會」。

照片是我們團隊參加2013年美國微軟研究院所舉辦的「影像搜尋競賽」(MSR-Bing Image Retrieval Challenge),會參加這個比賽的原因是有人發現這個第一次舉辦的研究競賽,第一名獎金是一萬美金,所以就興起組隊參加的念頭。

既然組隊,我們就要衝出最好的結果。

為這項競賽,我們必須在實驗室內準備一套系統接收微軟由遠端送進來的近八萬筆文字和影像資料,然後在12秒內判別出每筆文字和影像間的相關度。考驗我們的工程能力以及大規模影像搜尋技術。我們利用廣達慷慨捐贈的廣達雲(感謝廣達研究院院長Dr. Ted Chang的傾力協助),事先在兩千三百萬筆訓練資料上進行機器學習,準備好多種影像辨識引擎以及檢索資料。

當然在這些大量的Web影像中要有正確的比對是十分困難的。團隊嘗試過各種方法都無法將正確率往上推升,僵持中,放棄總是最廉價的選項。在最後幾天,赫然發現傳統方法在這些影像上的局限性,進而大膽採用了不同的機器學習策略,結果停滯許久的正確率開始往上提升。最後結果揭曉,在全球參賽者中以最短時間以及最高正確率獲得年度冠軍。

之後團隊受邀到西雅圖接受微軟技術長(CTO) Dr. Harry Shum(照片左三)親自頒獎。左一的Kuan-Yu Chu碩士班畢業之後直接被美國微軟延攬,左二Yan-Ying Chen 的也在博士班畢業之後直接到矽谷的FXPAL研究中心擔任研究員。當然還包括Chun-Che Wu, Yin-Hsi Kuo, Wen-Yu Lee

極限在哪?我深信,止於為自己劃下的那一條線。

 

  Posts

1 2 3 5
December 5th, 2017

深度卷積網路的產品開發經驗 (一) (Advancing Convolutional Neural Networks for Industrial Products – I)

October 28th, 2017

Best Brave New Idea Paper Award in ACM Multimedia 2017

October 28th, 2017

How to Get Started in (PhD) Research (如何帶領你的PhD學生)

October 25th, 2017

Technical Debt — 沒有白吃的午餐

  十月初Intel副總兼CTO Amir Khosrowshahi 來台,有機會交流。Amir說明Intel在未來智能服務的定位。其中提到了NIPS 2015 Sculley的論文中 “Technical Debt” (技術債)的概念。 很有趣的一個名詞,用來解釋天下沒有白吃的午餐 — 智能化當然是相當重要的未來,但是也得搭配其他不可或缺的要件。  很快的把Sculley的論文看了,主要討論智能元件上線之後,對於線上的工程系統有怎樣的工程挑戰:比如說如何維持特徵值擷取版本,過多的特徵值,訓練模型的版本等等。 值得工程人員關注。  其中最有意思的是這張圖,核心智能(機器學習或是深度學習)常常只是工程系統中的一小部分,為了讓整個服務可以完整的運行,還有其他重要配合的工程部分,例如資料收集、清理、運算資源管理、運算平台、監控服務等。Intel想提供圖一上的大部分,不是只有ML核心。  每個有價值的垂直領域,都有專業的知識,需要時間、成本累積。從一年多前開始跟醫學領域的人一起合作,完全可以感受到跨領域的挑戰,令人戰戰兢兢。  技術債可以用(素質好)的人力彌補,例如挖角、併購,但是價格高。  同樣的,對於非以IT技術擅長的產業,即時是獲利非常良好的隱形冠軍們,要智能化在公司內部開始產生效益,也需要相當的時間跟花費(同樣的,有許多技術債得償還)。當然,經營層的決心是最關鍵的。  這也可能是許多(新創)公司的機會所在。尤其是專注服務於產出大量資料,以及資料單位價值高的幾個領域:例如製造、能源、健康醫療、交通、IT等,都是值得大量投資智能技術的領域。 […]

August 29th, 2017

Interview by Harvard Business Review (哈佛商業評論) on How to Grow the (AI) Talents

August 27th, 2017

Panel Discussion in IBM Technical Forum 2017 and How to be the AI-Savvy Company

August 20th, 2017

Technical Talk in Dell Technology Forum 2017 — AI Developments and Opportunities

August 20th, 2017

Amazing Year in IBM TJ Watson (IBM 華生研究中心的夢幻旅程)

August 20th, 2017

Presenting in Media Event: 商業週刊演講會 — 機器智能的在地機會

July 25th, 2017

Our CVPR 2017 Paper Highlighted in NVIDIA Corporate Blog