多模态

何恺明

Kaiming He

ResNet · 视觉表示

何恺明是计算机视觉研究者，代表工作包括 ResNet、Mask R-CNN 和 Masked Autoencoders。他的研究横跨网络结构、目标识别与自监督视觉学习。

2015 年，他与合作者提出残差学习，用跳跃连接让网络学习相对于输入的变化，缓解深层网络的优化困难。ResNet 成为视觉模型的重要基础，也使残差连接这一设计得到更广泛应用。

他参与的 Mask R-CNN 将目标检测与实例分割结合，既找出图中有哪些物体，也标出每个物体的像素区域；MAE 则让模型通过恢复被遮挡的图像区域学习表示。几项研究分别改进了深层训练、视觉识别和无标注数据的利用方式。