11月12日，微软亚洲研究院的高级主管研究员华刚博士访问自动化所并做客模式识别学术大讲堂，为我所老师和同学们做了题为《Probabilistic Elastic Part Model: A Pose-Invariant Representation for Face Recognition》的报告。
    华刚博士是微软亚洲研究院(MSRA)的高级主管研究员。他在美国西北大学获得电气与计算机工程博士学位。博士毕业后，他先后在美国著名的IBM公司、Nokia公司和Microsoft公司担任研究员，并在2011年加入了史蒂文斯理工学院，任计算机科学专业副教授。2015年，加入微软亚洲研究院视觉计算组。他是2015 IAPR Young Biometrics Investigaotor Award的获得者，此外，他还是IEEE的高级会员和ACM终身会员。华刚博士在计算机视觉方向的研究主要集中在human centered visual computing, big visual data analytics和 vision based cyber-physical systems三个方面。
报告伊始，华刚博士首先介绍了在非可控情形下，头部姿态变化对人脸识别精度影响有很大的影响。而一个普遍认可的观点是，基于部件的人脸的表达对头部姿态的变化具有很好的鲁棒性。在以往的做法中，是首先进行人脸关键点定位，然后手工提取人脸中各个部件。他的工作是将这种手工的方式转为一种概率化配准的部件模型，称为概率弹性部件模型（probabilistic elastic part (PEP) model）。这种模型能从姿态各异的人脸的局部表达中，拟合出一个具有空间表观的高斯混合模型。不论是对一张人脸还是一系列的人脸，该模型的每一个分量能选取具有最高概率被选中的局部特征。将这些所有被选中的局部特征组合在一起，就构成了具有头部姿态不变性的人脸表达，称为 PEP表达。他将这种表达应用到人脸验证和人脸识别，效果远远好于基于手工选取部件的方法。
    此外，华刚博士还介绍到，这种PEP表达不仅可以应用到人脸验证和人脸识别，还可以应用到对现有的人脸检测器进行进一步改进中。通过应用已有的人脸检测器提取可能的人脸区域，然后利用PEP表达分别对人脸和非人脸进行建模，对提取的可能的人脸区域进行过滤，可以得到比原来人脸检测器更好的结果。
    在讨论环节，华刚博士对同学和老师关心的人脸检测和识别问题进行了耐心和详细解答，并针对现场提出的在深度学习不断刷新各种性能的情况下，如何从事有意义的研究工作和产出高质量的论文的问题，分享了他自己的认识和理解。
华刚博士的报告取得了积极的反响，开阔了大家的研究视野，不仅在人脸检测和识别问题上为大家提供了借鉴，更为大家在深度学习无处不在的背景下，如何从事有意义的研究工作提供了宝贵的建议。