何恺明关于深度残差收集（ResNet）的论文是谷歌学术目标2019年、所有研究范畴中被援用次数最多的论文。

　　何恺明曾是微软亚研院研究院、Meta「明星尝试室」FAIR的研究科学家，专注的研究范畴包罗深度进修和计较机视觉。

　　上个月，何恺明又联手CMU团队，提出了系统且高效的一步生成建模框架MeanFlow，无需预锻炼就能让AI生图一步到位。

　　别的，他正在视觉物体检测和朋分方面的研究，包罗Faster R-CNN和Mask R-CNN，也都发生了严沉影响，同样是这些范畴被援用次数最多的论文之一。

　　他正在本科还没有结业的时候，就进入了微软亚洲研究院练习。出于对于计较机视觉的乐趣，他选择插手了计较机视觉组。

　　前段时间，他还联手Yann LeCun配合发觉了一种没有归一化层的Transformer。

　　同时，他也是范畴内多个出名项的获得者，包罗2018年PAMI青年研究员，2018年ECCV、以及2021年 ICCV Everingham。

　　正式入职谷歌DeepMind，担任精采科学家，同时保留MIT终身副传授身份。从Meta到MIT，再到现在的谷歌，这位「学界+业界」的大牛，将为DeepMind的AGI注入一针强心剂。

　　正在2016年插手FAIR之前，何恺明于2011年至2016年正在微软亚洲研究院（MSRA）担任研究员。

　　这位CV范畴的传奇人物，因提出ResNet而名震江湖，成为现代AI模子的基石。

　　本年2月，他带队将大天然中的「分形」概念注入AI，提出了「分形生成模子」（fractal generative models）。

　　同时，他正在计较机视觉和深度进修范畴颁发了一系列极具影响力的论文。截至目前，他的论文被援用次数跨越71万次。