2016年10月1日， 我很荣幸地作为Thomas S. Huang黄煦涛教授学术大家庭的一员，参加了黄教授八十大寿纪念学术研讨会。受研讨会组委会的邀请，我作了一个相同主题的报告。现在整理补充以后与有兴趣的同仁，尤其是年轻一代， 分享。这个报告的用意是以回顾我自己20多年学术生涯的个人历程， 以及与黄教授更加悠长，辉煌的学术生涯的相似度， 向前辈大师致以崇高的敬意， 并希望对比我年轻的从事科研的人们有所启发。

我们今天为什么花功夫做研究呢？ 几百年前牛顿那个时代，科学家凤毛麟角。 开个玩笑，传说牛顿一日在一棵苹果树下打坐。砰的一声，一个苹果砸在牛顿头上， 他茅塞顿开， 于是有了万有引力定律。 这样的好日子已经一去不复返了。

近代也有因为苹果灵机一动，结果财源滚滚的。 大家都知道吧？ 他就是乔布斯。

今天我们做研究的面临一个什么样的挑战呢？地上的果子没了，唾手可得的矮枝上的果子也给人摘光了。果子倒是还有，但是得费点力气了。而且特别高的树枝上， 还有特别甜的果子。

那么我们怎么样才能摘到研究的硕果呢？ 我想是这样的。 要向前辈，大师们学习。 学习他们的哪些方面呢？我认识黄教授也有二十多年了，几乎和我自己的学术生涯一样长。潜移默化， 远程观摩， 我自己学到了什么呢？ 第一， 要保持学术好奇心。 不要闭关自守， 要与时俱进。 不断地尝试新问题， 采纳新的理论技术。第二， 要有学术热诚， 不是三分钟热度。 一种热爱， 一种聚焦， 并长期保持， 才会日积月累， 有所成就。 第三， 要有治学精神， 这样才不会被各种浮躁， 各种跟风，各种浮夸所左右， 才会保持学术的严谨。 最后一点， 学无止境， 活到老， 学到老，才能永葆学术青春。

来看看我的学术历程吧。 我从本科， 硕士， 到博士论文， 都是做图像处理Image Processing。 九十年代初， wavelet 当红， 我的博士论文是做图像和视频编码。当时的standard是JPEG， MPEG。 我的博士论文尝试用Wavelet变换。 当然也得有自己特色， 比如利用wavelet的joint spatio-frequency表征结合人类视觉系统HVS的特点提高编码效率和消除解码后的图像瑕疵artifact。这篇论文已经有场景分析的雏形。

博士毕业后， 在柯达研究院一干就是15年。那些年都做了什么研究呢？ 主要是智能化图像处理Intelligent Image Processing （智能，呵呵）和计算机视觉Computer Vision。举几个例子。 第一， 自动红眼消除。多少做图像有关研究的人知道，数字照相机是谁发明的？ 柯达Kodak！自动红眼消除， 谁发明的？Kodak！这可是我亲身参加的。 那个年代， 没有深度学习， 连人脸检测都没有， 我们也做出来了。 有兴趣的可以去查查Kodak的专利（有很多citations）。 第二， 照片朝向自动检测。 很多人认为照片天生就是大头朝上的。真的吗？ 这个问题我也提出了在当时条件下的最合理解法。 其他还有 图像自动标注。 现在很多年轻人以为图像自动标注是从ImageNet 开始的， 这是很幼稚的。 地理标记， 我们做的时候还没有Smart phone呢。 上下文与图像内容结合来做vision， 也是在Kodak的时候开始倡导的。“野生”视频中的动作识别和利用网络数据迁移学习事件识别，是在Kodak的最后几年做的。现在说这些， 不是王婆卖瓜， 是说几个意思： 没有深度学习也可以做vision， 很多东西其实先前就有人研究过了（所以查文献不能只看这两年的）， 实践中能够提炼出很多有价值的研究命题。 这样的话就不需要老是跟着别人（“大牛”）的屁股后面走，去跟风， 去拼几个百分点。

2011年加入罗切斯特大学之后， 学术自由度就更大了。 从2013年起， 我的研究小组逐渐扩大， 研究范围也更加广泛。 现在有几个开拓点。 图像情绪识别 （与Adobe合作）， 图像视频加标题 （与Adobe， Yahoo合作），医学图像视频分析 （与罗彻斯特大学医学院多项合作）， 基于社交多媒体的计算社会学（与PARC， 纽约州司法部等合作）， 大数据图文分析， 等等。 值得一提的是与Adobe合作的图像加标题算法曾经一度踞于MSCOCO图像加标题竞赛榜首达连续五个月， 和Yahoo合作的视频加标题大数据集为世界上公开的最大数据集。  这些工作都受到同行关注。

社交多媒体的研究， 我在罗彻斯特大学这几年强力推动。个人认为社交多媒体能提取的社会信号最重要的是两个：用户特征信息 和 情感信息。在这两个方面， 我们的工作包括 Twitter 图像文本集合情感分析和Pinterest 用户兴趣挖掘。

社交多媒体的一个重要的功能是用来把握社会的脉搏。 我们的近期研究涉及美国总统竞选状况分析，青少年酗酒问题， 毒品消费与贩卖， 等等。 具体的工作论文里有， 这里就不一一赘述了。 值得引起学术界兴趣的是， 大家都在反思， 为什么美国主流媒体， 各种民调都一致认为希拉里会胜选，结果令很多人大跌眼镜呢？ 其实我们根据上千万希拉里和川普Twitter拥趸的社会结构， 已经看出川普不像舆论导向说的那样在妇女，高教育，高收入， 及少数族裔中那么不得人心。 这个工作不代表我们的政治立场， 是让数据说话（Let Data Speak）。 这个工作也不是马后炮， 我们的一系列工作是在选举结果出来前就见诸报端的。

我在黄教授的八十大寿研讨会上秀了这样一张照片。 那时我的导师陈长汶比我现在还年轻。 朋友开玩笑说那时的L教授一副踌躇满志的样子。 我觉得是初生牛犊不怕虎。

其实我博士毕业的时候一点没有想到二十年后是这样的。只是知道这辈子喜欢和图像数据打交道。我现在仍然在和图像数据打交道，而且乐此不疲， 而且花样翻新。 从这个意义上， 我觉得我是在跟随Tom的脚步，“东施效颦”。我觉得我是在模仿Tom的心境， 永远年轻。   

二十年斗转星移，二十载躬耕陇亩。 这让我情不自禁的想起一首歌“ForeverYoung”。 我听过Rod Stewart中年男的版本， 现在更喜欢一个更年轻的有饶舌的版本，听起来觉得更年轻。

    Forever young,
    I want to be forever young.
    Do you really want to live forever?
    Forever, and ever

    Forever young,
    I want to be forever young.
    Do you really want to research forever?
    Forever, and ever

    Jay-Z feat. Mr Hudson Forever Young Official Music Video and Lyrics ...

    视频链接 https://www.youtube.com/watch?v=m1_EDno-44M

从图像处理， 到计算机视觉， 到多媒体， 再到社交媒体， 大数据， 啰啰嗦嗦说了自己的学术历程。我觉得我的个人旅途是效法Tom， Tom则打趣地说我的个人旅途比他的更有趣。 我不敢当， 只能说我enjoyed it 而且enjoying it more。

我的历程是与“黄家军“密不可分的。 Tom的学术大树根深叶茂， 我也有幸成为其中一员。 我很感谢我学术生涯中共事过的人们。这条交错的学术链一直从Tom，长汶，到我，再到我指导过的Tom的学生亮亮、 建朝， 再到亮亮和建朝都指导过的我的学生全增，运成。 Tom的学术家庭早已不再是一棵树， 而是一个网络， 一个深度网络。

做研究的， 心里年轻， 就永远年轻。让我们永远好奇， 永远热诚，并把这种精神传给我们的学生。 这样的话，年轻代代相传，代代永驻。让我们一起来庆祝黄教授非凡的学术生涯， 庆祝黄教授的学术之树蓬勃向上，永远常青！
阅读记录:read twice