前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的卷積神經(jīng)網(wǎng)絡(luò)的關(guān)鍵技術(shù)主題范文，僅供參考，歡迎閱讀并收藏。
關(guān)鍵詞人臉識(shí)別；特征提取
1人臉識(shí)別技術(shù)概述
近年來(lái)，隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，人臉自動(dòng)識(shí)別技術(shù)得到廣泛研究與開發(fā)，人臉識(shí)別成為近30年里模式識(shí)別和圖像處理中最熱門的研究主題之一。人臉識(shí)別的目的是從人臉圖像中抽取人的個(gè)性化特征，并以此來(lái)識(shí)別人的身份。一個(gè)簡(jiǎn)單的自動(dòng)人臉識(shí)別系統(tǒng)，包括以下4個(gè)方面的內(nèi)容：
(1)人臉檢測(cè)(Detection)：即從各種不同的場(chǎng)景中檢測(cè)出人臉的存在并確定其位置。
(2)人臉的規(guī)范化(Normalization)：校正人臉在尺度、光照和旋轉(zhuǎn)等方面的變化。
(3)人臉表征(FaceRepresentation)：采取某種方式表示檢測(cè)出人臉和數(shù)據(jù)庫(kù)中的已知人臉。
(4)人臉識(shí)別(Recognition)：將待識(shí)別的人臉與數(shù)據(jù)庫(kù)中的已知人臉比較，得出相關(guān)信息。
2人臉識(shí)別算法的框架
人臉識(shí)別算法描述屬于典型的模式識(shí)別問(wèn)題，主要有在線匹配和離線學(xué)習(xí)兩個(gè)過(guò)程組成，如圖1所示。
圖1一般人臉識(shí)別算法框架
在人臉識(shí)別中，特征的分類能力、算法復(fù)雜度和可實(shí)現(xiàn)性是確定特征提取法需要考慮的因素。所提取特征對(duì)最終分類結(jié)果有著決定性的影響。分類器所能實(shí)現(xiàn)的分辨率上限就是各類特征間最大可區(qū)分度。因此，人臉識(shí)別的實(shí)現(xiàn)需要綜合考慮特征選擇、特征提取和分類器設(shè)計(jì)。
3人臉識(shí)別的發(fā)展歷史及分類
人臉識(shí)別的研究已經(jīng)有相當(dāng)長(zhǎng)的歷史，它的發(fā)展大致可以分為四個(gè)階段：
第一階段：人類最早的研究工作至少可追朔到二十世紀(jì)五十年代在心理學(xué)方面的研究和六十年代在工程學(xué)方面的研究。
J.S.Bruner于1954年寫下了關(guān)于心理學(xué)的Theperceptionofpeople，Bledsoe在1964年就工程學(xué)寫了FacialRecognitionProjectReport，國(guó)外有許多學(xué)校在研究人臉識(shí)別技術(shù)[1]，其中有從感知和心理學(xué)角度探索人類識(shí)別人臉機(jī)理的，如美國(guó)TexasatDallas大學(xué)的Abdi和Tool小組[2、3]，由Stirling大學(xué)的Bruce教授和Glasgow大學(xué)的Burton教授合作領(lǐng)導(dǎo)的小組等[3]；也有從視覺(jué)機(jī)理角度進(jìn)行研究的，如英國(guó)的Graw小組[4、5]和荷蘭Groningen大學(xué)的Petkov小組[6]等。
第二階段：關(guān)于人臉的機(jī)器識(shí)別研究開始于二十世紀(jì)七十年代。
Allen和Parke為代表，主要研究人臉識(shí)別所需要的面部特征。研究者用計(jì)算機(jī)實(shí)現(xiàn)了較高質(zhì)量的人臉灰度圖模型。這一階段工作的特點(diǎn)是識(shí)別過(guò)程全部依賴于操作人員，不是一種可以完成自動(dòng)識(shí)別的系統(tǒng)。
第三階段：人機(jī)交互式識(shí)別階段。
Harmon和Lesk用幾何特征參數(shù)來(lái)表示人臉正面圖像。他們采用多維特征矢量表示人臉面部特征，并設(shè)計(jì)了基于這一特征表示法的識(shí)別系統(tǒng)。Kaya和Kobayashi則采用了統(tǒng)計(jì)識(shí)別方法，用歐氏距離來(lái)表征人臉特征。但這類方法需要利用操作員的某些先驗(yàn)知識(shí)，仍然擺脫不了人的干預(yù)。
第四階段：20世紀(jì)90年代以來(lái)，隨著高性能計(jì)算機(jī)的出現(xiàn)，人臉識(shí)別方法有了重大突破，才進(jìn)入了真正的機(jī)器自動(dòng)識(shí)別階段。在用靜態(tài)圖像或視頻圖像做人臉識(shí)別的領(lǐng)域中，國(guó)際上形成了以下幾類主要的人臉識(shí)別方法：
1）基于幾何特征的人臉識(shí)別方法
基于幾何特征的方法是早期的人臉識(shí)別方法之一[7]。常采用的幾何特征有人臉的五官如眼睛、鼻子、嘴巴等的局部形狀特征。臉型特征以及五官在臉上分布的幾何特征。提取特征時(shí)往往要用到人臉結(jié)構(gòu)的一些先驗(yàn)知識(shí)。識(shí)別所采用的幾何特征是以人臉器官的形狀和幾何關(guān)系為基礎(chǔ)的特征矢量，本質(zhì)上是特征矢量之間的匹配，其分量通常包括人臉指定兩點(diǎn)間的歐式距離、曲率、角度等。
基于幾何特征的識(shí)別方法比較簡(jiǎn)單、容易理解，但沒(méi)有形成統(tǒng)一的特征提取標(biāo)準(zhǔn)；從圖像中抽取穩(wěn)定的特征較困難，特別是特征受到遮擋時(shí)；對(duì)較大的表情變化或姿態(tài)變化的魯棒性較差。
2）基于相關(guān)匹配的方法
基于相關(guān)匹配的方法包括模板匹配法和等強(qiáng)度線方法。
①模板匹配法：Poggio和Brunelli[10]專門比較了基于幾何特征的人臉識(shí)別方法和基于模板匹配的人臉識(shí)別方法，并得出結(jié)論：基于幾何特征的人臉識(shí)別方法具有識(shí)別速度快和內(nèi)存要求小的優(yōu)點(diǎn)，但在識(shí)別率上模板匹配要優(yōu)于基于幾何特征的識(shí)別方法。
②等強(qiáng)度線法：等強(qiáng)度線利用灰度圖像的多級(jí)灰度值的等強(qiáng)度線作為特征進(jìn)行兩幅人臉圖像的匹配識(shí)別。等強(qiáng)度曲線反映了人臉的凸凹信息。這些等強(qiáng)度線法必須在背景與頭發(fā)均為黑色，表面光照均勻的前提下才能求出符合人臉真實(shí)形狀的等強(qiáng)度線。
3）基于子空間方法
常用的線性子空間方法有：本征子空間、區(qū)別子空間、獨(dú)立分量子空間等。此外，還有局部特征分析法、因子分析法等。這些方法也分別被擴(kuò)展到混合線性子空間和非線性子空間。
Turk等[11]采用本征臉(Eigenfaces)方法實(shí)現(xiàn)人臉識(shí)別。由于每個(gè)本征矢量的圖像形式類似于人臉，所以稱本征臉。對(duì)原始圖像和重構(gòu)圖像的差分圖像再次進(jìn)行K-L變換，得到二階本征空間，又稱二階本征臉[12]。Pentland等[13]提出對(duì)于眼、鼻和嘴等特征分別建立一個(gè)本征子空間，并聯(lián)合本征臉子空間的方法獲得了好的識(shí)別結(jié)果。Shan等[14]采用特定人的本征空間法獲得了好于本征臉?lè)椒ǖ淖R(shí)別結(jié)果。Albert等[15]提出了TPCA(TopologicalPCA)方法，識(shí)別率有所提高。Penev等[16]提出的局部特征分析(LFALocalFeatureAnalysis)法的識(shí)別效果好于本征臉?lè)椒?。?dāng)每個(gè)人有多個(gè)樣本圖像時(shí)，本征空間法沒(méi)有考慮樣本類別間的信息，因此，基于線性區(qū)別分析(LDALinearDiscriminantAnalysis)，Belhumeur等[17]提出了Fisherfaces方法，獲得了較好的識(shí)別結(jié)果。Bartlett等[18]采用獨(dú)立分量分析(ICA，IndependentComponentAnalysis)的方法識(shí)別人臉，獲得了比PCA方法更好的識(shí)別效果。
4）基于統(tǒng)計(jì)的識(shí)別方法
該類方法包括有：KL算法、奇異值分解(SVD)、隱馬爾可夫(HMM)法。
①KL變換：將人臉圖像按行(列)展開所形成的一個(gè)高維向量看作是一種隨機(jī)向量，因此采用K-L變換獲得其正交K-L基底，對(duì)應(yīng)其中較大特征值基底具有與人臉相似的形狀。國(guó)外，在用靜態(tài)圖像或視頻圖像做人臉識(shí)別的領(lǐng)域中，比較有影響的有MIT的Media實(shí)驗(yàn)室的Pentland小組，他們主要是用基于KL變換的本征空間的特征提取法，名為“本征臉(Eigenface)[19]。
②隱馬爾可夫模型：劍橋大學(xué)的Samaria和Fallside[20]對(duì)多個(gè)樣本圖像的空間序列訓(xùn)練出一個(gè)HMM模型，它的參數(shù)就是特征值；基于人臉從上到下、從左到右的結(jié)構(gòu)特征；Samatia等[21]首先將1-DHMM和2-DPseudoHMM用于人臉識(shí)別。Kohir等[22]采用低頻DCT系數(shù)作為觀察矢量獲得了好的識(shí)別效果，如圖2(a)所示。Eickeler等[23]采用2-DPseudoHMM識(shí)別DCT壓縮的JPEG圖像中的人臉圖像；Nefian等采用嵌入式HMM識(shí)別人臉[24]，如圖2(b)所示。后來(lái)集成coupledHMM和HMM通過(guò)對(duì)超狀態(tài)和各嵌入狀態(tài)采用不同的模型構(gòu)成混合系統(tǒng)結(jié)構(gòu)[25]。
基于HMM的人臉識(shí)別方法具有以下優(yōu)點(diǎn)：第一，能夠允許人臉有表情變化，較大的頭部轉(zhuǎn)動(dòng)；第二，擴(kuò)容性好.即增加新樣本不需要對(duì)所有的樣本進(jìn)行訓(xùn)練；第三，較高的識(shí)別率。
(a)(b)
圖2(a)人臉圖像的1-DHMM(b)嵌入式隱馬爾科夫模型
5）基于神經(jīng)網(wǎng)絡(luò)的方法
Gutta等[26]提出了混合神經(jīng)網(wǎng)絡(luò)、Lawrence等[27]通過(guò)一個(gè)多級(jí)的SOM實(shí)現(xiàn)樣本的聚類，將卷積神經(jīng)網(wǎng)絡(luò)CNN用于人臉識(shí)別、Lin等[28]采用基于概率決策的神經(jīng)網(wǎng)絡(luò)方法、Demers等[29]提出采用主元神經(jīng)網(wǎng)絡(luò)方法提取人臉圖像特征，用自相關(guān)神經(jīng)網(wǎng)絡(luò)進(jìn)一步壓縮特征，最后采用一個(gè)MLP來(lái)實(shí)現(xiàn)人臉識(shí)別。Er等[30]采用PCA進(jìn)行維數(shù)壓縮，再用LDA抽取特征，然后基于RBF進(jìn)行人臉識(shí)別。Haddadnia等[31]基于PZMI特征，并采用混合學(xué)習(xí)算法的RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識(shí)別。神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)是通過(guò)學(xué)習(xí)的過(guò)程獲得對(duì)這些規(guī)律和規(guī)則的隱性表達(dá)，它的適應(yīng)性較強(qiáng)。
6）彈性圖匹配方法
Lades等提出采用動(dòng)態(tài)鏈接結(jié)構(gòu)(DLA，DynamicLinkArchitecture)[32]的方法識(shí)別人臉。它將人臉用格狀的稀疏圖如圖3所示。
圖3人臉識(shí)別的彈性匹配方法
圖3中的節(jié)點(diǎn)用圖像位置的Gabor小波分解得到的特征向量標(biāo)記，圖的邊用連接節(jié)點(diǎn)的距離向量標(biāo)記。Wiskott等人使用彈性圖匹配方法，準(zhǔn)確率達(dá)到97.3%。Wiskott等[33]將人臉特征上的一些點(diǎn)作為基準(zhǔn)點(diǎn)，構(gòu)成彈性圖。采用每個(gè)基準(zhǔn)點(diǎn)存儲(chǔ)一串具有代表性的特征矢量，減少了系統(tǒng)的存儲(chǔ)量。Wurtz等[34]只使用人臉I(yè)CI部的特征，進(jìn)一步消除了結(jié)構(gòu)中的冗余信息和背景信息，并使用一個(gè)多層的分級(jí)結(jié)構(gòu)。Grudin等[35]也采用分級(jí)結(jié)構(gòu)的彈性圖，通過(guò)去除了一些冗余節(jié)點(diǎn)，形成稀疏的人臉描述結(jié)構(gòu)。另一種方法是，Nastar等[36]提出將人臉圖像I(x，y)表示為可變形的3D網(wǎng)格表(x，y，I(x，y))，將人臉匹配問(wèn)題轉(zhuǎn)換為曲面匹配問(wèn)題，利用有限分析的方法進(jìn)行曲面變形，根據(jù)兩幅圖像之間變形匹配的程度識(shí)別人臉。
7）幾種混合方法的有效性
(1)K-L投影和奇異值分解(SVD)相融合的分類判別方法。
K-L變換的核心過(guò)程是計(jì)算特征值和特征向量。而圖像的奇異值具有良好的穩(wěn)定性，當(dāng)圖像有小的擾動(dòng)時(shí)，奇異值的變化不大。奇異值表示了圖像的代數(shù)特征，在某種程度上，SVD特征同時(shí)擁有代數(shù)與幾何兩方面的不變性。利用K-L投影后的主分量特征向量與SVD特征向量對(duì)人臉進(jìn)行識(shí)別，提高識(shí)別的準(zhǔn)確性[37]。
(2)HMM和奇異值分解相融合的分類判別方法。
采用奇異值分解方法進(jìn)行特征提取，一般是把一幅圖像(長(zhǎng)為H)看成一個(gè)N×M的矩陣，求取其奇異值作為人臉識(shí)別的特征。在這里我們采用采樣窗對(duì)同一幅圖片進(jìn)行重疊采樣(如圖4)，對(duì)采樣所得到的矩陣分別求其對(duì)應(yīng)的前k個(gè)最大的奇異值，分別對(duì)每一組奇異值進(jìn)行矢量標(biāo)準(zhǔn)化和矢量重新排序，把這些處理后的奇異值按采樣順序組成一組向量，這組向量是惟一的[38]。
圖4采樣窗采樣
綜合上述論文中的實(shí)驗(yàn)數(shù)據(jù)表明[39]，如表1：
表1人臉識(shí)別算法比較
8）基于三維模型的方法
該類方法一般先在圖像上檢測(cè)出與通用模型頂點(diǎn)對(duì)應(yīng)的特征點(diǎn)，然后根據(jù)特征點(diǎn)調(diào)節(jié)通用模型，最后通過(guò)紋理映射得到特定人臉的3D模型。Tibbalds[40]基于結(jié)構(gòu)光源和立體視覺(jué)理論，通過(guò)攝像機(jī)獲取立體圖像，根據(jù)圖像特征點(diǎn)之間匹配構(gòu)造人臉的三維表面，如圖5所示。
圖5三維人臉表面模型圖6合成的不同姿態(tài)和光照條件下二維人臉表面模型
Zhao[41]提出了一個(gè)新的SSFS(SymetricShape-from-Shading)理論來(lái)處理像人臉這類對(duì)稱對(duì)象的識(shí)別問(wèn)題，基于SSFS理論和一個(gè)一般的三維人臉模型來(lái)解決光照變化問(wèn)題，通過(guò)基于SFS的視圖合成技術(shù)解決人臉姿態(tài)問(wèn)題，針對(duì)不同姿態(tài)和光照條件合成的三維人臉模型如圖6所示。
三維圖像有三種建模方法：基于圖像特征的方法[42、43]、基于幾何[44]、基于模型可變參數(shù)的方法[45]。其中，基于模型可變參數(shù)的方法與基于圖像特征的方法的最大區(qū)別在于：后者在人臉姿態(tài)每變化一次后，需要重新搜索特征點(diǎn)的坐標(biāo)，而前者只需調(diào)整3D變形模型的參數(shù)。三維重建的系統(tǒng)框圖，如圖7所示。
圖7三維建模的系統(tǒng)框圖
三維人臉建模、待識(shí)別人臉的姿態(tài)估計(jì)和識(shí)別匹配算法的選取是實(shí)現(xiàn)三維人臉識(shí)別的關(guān)鍵技術(shù)。隨著采用三維圖像識(shí)別人臉技術(shù)的發(fā)展，利用直線的三維圖像信息進(jìn)行人臉識(shí)別已經(jīng)成為人們研究的重心。
4總結(jié)與展望
人臉自動(dòng)識(shí)別技術(shù)已取得了巨大的成就，隨著科技的發(fā)展，在實(shí)際應(yīng)用中仍然面臨困難，不僅要達(dá)到準(zhǔn)確、快速的檢測(cè)并分割出人臉部分，而且要有效的變化補(bǔ)償、特征描述、準(zhǔn)確的分類的效果，還需要注重和提高以下幾個(gè)方面：
(1)人臉的局部和整體信息的相互結(jié)合能有效地描述人臉的特征，基于混合模型的方法值得進(jìn)一步深入研究，以便能準(zhǔn)確描述復(fù)雜的人臉模式分布。
(2)多特征融合和多分類器融合的方法也是改善識(shí)別性能的一個(gè)手段。
(3)由于人臉為非剛體性，人臉之間的相似性以及各種變化因素的影響，準(zhǔn)確的人臉識(shí)別仍較困難。為了滿足自動(dòng)人臉識(shí)別技術(shù)具有實(shí)時(shí)要求，在必要時(shí)需要研究人臉與指紋、虹膜、語(yǔ)音等識(shí)別技術(shù)的融合方法。
(4)3D形變模型可以處理多種變化因素，具有很好的發(fā)展前景。已有研究也表明，對(duì)各種變化因素采用模擬或補(bǔ)償?shù)姆椒ň哂休^好的效果。三維人臉識(shí)別算法的選取還處于探索階段，需要在原有傳統(tǒng)識(shí)別算法的基礎(chǔ)上改進(jìn)和創(chuàng)新。
(5)表面紋理識(shí)別算法是一種最新的算法[52]，有待于我們繼續(xù)學(xué)習(xí)和研究出更好的方法。
總之，人臉識(shí)別是極富挑戰(zhàn)性的課題僅僅采用一種現(xiàn)有方法難以取得良好的識(shí)別效果，如何與其它技術(shù)相結(jié)合，如何提高識(shí)別率和識(shí)別速度、減少計(jì)算量、提高魯棒性，如何采用嵌入式及硬件實(shí)現(xiàn)，如何實(shí)用化都是將來(lái)值得研究的。
參考文獻(xiàn)
[1]O''''TooleAJ，AbdiH，DeffenbacherKA，etal.Alowdimensionalrepresentationoffacesinthehigherdimensionsofspace.[J].JournaloftheOpticalSocietyof2America，1993，10：405～411
[2]張翠萍，蘇光大.人臉識(shí)別技術(shù)綜述.中國(guó)圖像圖形學(xué)報(bào)，2000，5(11)：885-894
[3]A.Samal，P.A.Iyengar.Automaticrecognitionandanalysisofhumanfacesandfacialexpressions：asurvey[J].PatternRecognition，1992，25(1)：65-67
[4]TurkM，PentlandA.Eigenfacesforrecognition[J].JournalofCognitiveNeuroscience，1991，3(1)：71～86
[5]BartlettMS，MovellanJR，SejnowskiTJ.FaceRecognitionbyIndependentComponentAnalysis[J].IEEETrans.onNeuralNetwork，2002，13(6)：1450-1464
[6]ManjunathBS，ShekharCandChellappaR.Anewapproachtoimagefeaturedetectionwithapplication[J].Patt.Recog，1996，29(4)：627-640
[7]ChengY.LiuK，YangJ，etal.Humanfacerecognitionmethodbasedonthestatisticalmodelofsmallsamplesize.SPIEProc，Intell.RobotsandComputerVisionX：AlgorithmsandTechn.1991，1606：85-95
[8]NefianAVEmbeddedBayesianNetworksforFaceRecognition[A].Proceedings.IEEEInternationalConferenceonMultimediaandExpo[C]2002，2：133-136
[9]GuttaS，WechslerH.FaceRecognitionUsingHybridClassifiers[J].PatternRecognition，1997，30(4)：539-553
[10]HaddadniaJ，AhmadiM，F(xiàn)aezKAHybridLearningRBFNeuralNetworkforHumanFaceRecognitionwithPseudoZernikeMomentInvariant[A].Proceedingsofthe2002InternationalJointConferenceonNeuralNetworks[C].2002，1：11-16
[11]M.Lades，J.C.Vorbruggen，J.Buhmann，ect.Distortioninvariantobjectrecognitioninthedynamiclinkarchitecture.IEEETrans.onComputer，1993，42(3)：300-311
[12]NastarC，MoghaddamBA.FlexibleImages：MatchingandRecognitionUsingLearnedDeformations[J].ComputerVisionandImageUnderstanding，1997，65(2)：179-191
[13]羊牧.基于KL投影和奇異值分解相融合人臉識(shí)別方法的研究[D].四川大學(xué).2004，5，1
[14]白冬輝.人臉識(shí)別技術(shù)的研究與應(yīng)用[D].北方工業(yè)大學(xué).2006，5
《冰雪之約》新年演出季登陸京演民族宮大劇院
為助力2022年北京-張家口冬季奧林匹克運(yùn)動(dòng)會(huì)，京演集團(tuán)旗下京演文化傳媒公司策劃的《冰雪之約》新年演出季將于12月25日至1月1日登陸京演民族宮大劇院，2015圣誕音樂(lè)會(huì)、《冰雪之約》新年音樂(lè)會(huì)、《美妙的和諧》夢(mèng)花園新年輕音樂(lè)會(huì)、新年民族音樂(lè)會(huì)四臺(tái)五場(chǎng)精彩的演出輪番上演，讓冬日充滿溫情。首屆《冰雪之約》新年演出季策劃了以“圣誕”、“冰雪”、“暖心”、“國(guó)韻”為主題的系列音樂(lè)會(huì)，將打造成為京演又一文化品牌，驅(qū)走深冬的“霧霾”，帶來(lái)心靈的溫暖。
中國(guó)印度尼西亞建交65周年紀(jì)念畫展開幕
近日，“溢彩華章――中國(guó)印度尼西亞當(dāng)代繪畫藝術(shù)邀請(qǐng)展”在中央美術(shù)學(xué)院美術(shù)館隆重開幕。中外友好國(guó)際交流中心主任柯志華、中央美術(shù)學(xué)院院長(zhǎng)范迪安、黨委書記高洪、印度尼西亞共和國(guó)駐華兼駐蒙古國(guó)大使蘇更拉哈爾佐等社會(huì)各界知名人士300余人出席。這是為了慶祝中國(guó)和印度尼西亞建交65周年而舉辦一次高水平、高規(guī)格藝術(shù)交流盛會(huì)，共展出兩國(guó)37位藝術(shù)家作品近60件，體現(xiàn)出中印兩國(guó)藝術(shù)家在當(dāng)代繪畫藝術(shù)探索中，對(duì)傳統(tǒng)的繼承與創(chuàng)新，對(duì)生活現(xiàn)實(shí)的關(guān)注與敏感。
ART021上海廿一當(dāng)代藝術(shù)博覽
2015 ART021上海廿一當(dāng)代藝術(shù)博覽會(huì)于11月20日至22日在上海展覽中心成功舉辦。本次博覽會(huì)分為三大部分： 主畫廊，1+1項(xiàng)目以及公共展覽項(xiàng)目。作為第17屆中國(guó)上海國(guó)際藝術(shù)節(jié)參展項(xiàng)目，ART021今年已走入第三個(gè)年頭，參展畫廊從創(chuàng)建時(shí)候的29家，第二年的54家，到2015年數(shù)量增加至75家，同時(shí)還有2個(gè)非盈利項(xiàng)目、3個(gè)特別展覽展出，三年之中其發(fā)展上升了三個(gè)臺(tái)階。2015 ART021繼承了初創(chuàng)時(shí)立足上海，展望未來(lái)的宗旨，擴(kuò)大國(guó)際間收藏家、美術(shù)館、藝術(shù)中心、藝術(shù)贊助人之間的對(duì)話與交流，將國(guó)際上的藝術(shù)視角結(jié)合本地優(yōu)勢(shì)、藏家資源，力爭(zhēng)催化中國(guó)的當(dāng)代藝術(shù)真正意義上國(guó)際化。
白雪溫州開唱，向經(jīng)典致敬
著名軍旅歌唱家白雪將在12月12日于家鄉(xiāng)溫州舉辦的全國(guó)巡回演唱會(huì)。白雪18歲出道后紅遍大江南北，被稱為“內(nèi)地一代玉女掌門人”，她的《久別的人》、《千古絕唱》等可謂家喻戶曉。首次回家鄉(xiāng)舉辦演唱會(huì)的白雪毫不掩飾對(duì)家鄉(xiāng)的感恩之情，并透露：“演唱會(huì)上，我不僅會(huì)唱我們特色的民歌和越劇，也會(huì)翻唱一些大家耳熟能詳?shù)慕鹎蚪?jīng)典致敬?！彼S諾將把觀眾喜愛(ài)的經(jīng)典曲目以耳目一新的方式呈現(xiàn)，并翻唱一眾K歌金曲，包括《甜蜜蜜》、《月亮代表我的心》等。令人驚喜的是，情歌王子張洪量現(xiàn)身會(huì)現(xiàn)場(chǎng)，與白雪一起演繹了《廣島之戀》，讓人提前一飽耳福。
薛之謙《一半》試聽破億北京慶功
11月10日，太合音樂(lè)集團(tuán)廠牌海蝶音樂(lè)旗下創(chuàng)作歌手薛之謙攜全新EP《一半》在京舉行了慶功會(huì)。對(duì)于2015年發(fā)行的第二張EP，聯(lián)手好友李榮浩、郭頂共同創(chuàng)作及制作的薛之謙笑言，“比之前那張還要好聽，不聽就虧了”。會(huì)現(xiàn)場(chǎng)，圈中好友紛紛隔空送上祝福，太合音樂(lè)COO兼海蝶音樂(lè)總經(jīng)理劉鑫與薛之謙共同敲破象征試聽破億的冰雕。此外，薛之謙更與遠(yuǎn)道而來(lái)的歌迷在現(xiàn)場(chǎng)“大膽玩地咚”，引得全場(chǎng)大呼“好福利”。
《怦然星動(dòng)》首映 楊冪李易峰“甜蘇”告白
12月3日，浪漫愛(ài)情電影《怦然星動(dòng)》心動(dòng)上映。在日前舉辦的首映會(huì)上，這部擁有“高顏值”演員、“超甜蘇”劇情的電影，以“經(jīng)紀(jì)人愛(ài)上大明星”的浪漫愛(ài)情故事，在寒冷冬天里燃爆戀愛(ài)指數(shù)?，F(xiàn)場(chǎng)，《怦然星動(dòng)》全體主創(chuàng)集體演繹“真愛(ài)大告白”：楊冪被迪麗熱巴霸氣“壁咚”；李易峰、張?jiān)讫堁堇[男男版“離別的機(jī)場(chǎng)”，變身糊涂特工；而陳數(shù)與陳國(guó)輝導(dǎo)演則現(xiàn)場(chǎng)還原“做人最重要的就是開心”的TVB經(jīng)典橋段，各種花式告白可謂“總有一款滿足你”。而“明星幫你告白”環(huán)節(jié)更是驚喜滿滿，五大明星主演通過(guò)大屏幕直播與網(wǎng)友實(shí)時(shí)互動(dòng)，幫觀眾實(shí)現(xiàn)真愛(ài)告白。
《杜拉拉追婚記》周渝民當(dāng)男神“心好累”
12月4日公映，由導(dǎo)演安竹間執(zhí)導(dǎo)，周渝民、林依晨、陳柏霖、NANA林珍娜等主演的都市時(shí)尚愛(ài)情電影《杜拉拉追婚記》在京舉辦全球首映會(huì)。時(shí)隔五年，“升職”成功的杜拉拉華麗歸來(lái)再戰(zhàn)情場(chǎng)――杜拉拉（林依晨飾）相處多年的男友王偉（周渝民飾）遲遲不求婚，感情走到瓶頸期。而90后沙當(dāng)當(dāng)（林珍娜飾）對(duì)王偉一見(jiàn)鐘情緊追不舍……會(huì)現(xiàn)場(chǎng)再現(xiàn)了90后“小三”情挑王偉的火爆戲碼，林珍娜對(duì)仔仔頻頻放電貼身誘惑，根本無(wú)視正牌女友的感受。而林依晨再現(xiàn)“杜拉拉”女強(qiáng)人氣勢(shì)，展現(xiàn)超強(qiáng)氣場(chǎng)上演男友保衛(wèi)戰(zhàn)。仔仔對(duì)此不由感慨男神不好當(dāng)，大呼“心好累”。
2015“嘉人中國(guó)風(fēng)”國(guó)際頂尖時(shí)裝設(shè)計(jì)大賞華美揭幕
近日，2015“嘉人中國(guó)風(fēng)?獨(dú)具異格 創(chuàng)造唯一”國(guó)際頂尖時(shí)裝設(shè)計(jì)大賞在北京紫禁城太廟華美上演。21個(gè)獨(dú)具異格的全球頂級(jí)時(shí)裝品牌以電影為主題帶來(lái)精美絕倫、堪稱“唯一”的經(jīng)典作品，作為本屆“嘉人中國(guó)風(fēng)”的獨(dú)家冠名贊助商，一汽-大眾奧迪為本次活動(dòng)提供官方唯一指定用車，并攜新奧迪A7家族在盛典上驚艷亮相。 新奧迪A7始終堅(jiān)持獨(dú)具異格的設(shè)計(jì)理念，為用戶帶來(lái)優(yōu)雅、卓越、獨(dú)具魅力的駕馭體驗(yàn)，這與本屆嘉人中國(guó)風(fēng)傳遞的精神不謀而合，新奧迪A7也榮獲本屆年度獨(dú)具異格設(shè)計(jì)大獎(jiǎng)。“獨(dú)具異格 創(chuàng)造唯一”新奧迪A7風(fēng)尚大片也在盛典現(xiàn)場(chǎng)全球首映。
合作創(chuàng)研 攜手共贏，2015微軟亞洲研究院“合作創(chuàng) ? 研”年會(huì)舉辦
11月27日，2015微軟亞洲研究院 “合作創(chuàng)?研”年會(huì)在微軟亞洲研究院舉行。活動(dòng)匯集了來(lái)自中國(guó)內(nèi)地、香港、臺(tái)灣、新加坡等地區(qū)多所知名院校及科研機(jī)構(gòu)，和來(lái)自微軟亞洲研究院聯(lián)合實(shí)驗(yàn)室的110位學(xué)者，通過(guò)演示環(huán)節(jié)、學(xué)者報(bào)告、聯(lián)合實(shí)驗(yàn)室主任會(huì)議等形式，展示和報(bào)告了11個(gè)微軟亞洲研究院近年來(lái)與亞太區(qū)高校的創(chuàng)新科研合作成果。近年來(lái)，微軟亞洲研究院和亞太地區(qū)高校的創(chuàng)新科研合作成果亮點(diǎn)頻出。在本次年會(huì)中“智能花卉識(shí)別知識(shí)系統(tǒng)”、“深度學(xué)習(xí)在健康、醫(yī)療監(jiān)測(cè)中的應(yīng)用”、“智慧校園”、“A-Eye： 支持實(shí)時(shí)卷積神經(jīng)網(wǎng)絡(luò)的智能攝像頭”和“博物館文物數(shù)字化與展示關(guān)鍵技術(shù)”等項(xiàng)目成果格外抓人眼球。