微軟亞洲研究院的科研水平如何，可以分析一下具體幾個強組cv mm ai的實力可以抗衡美帝top30?

01-14

msra整體的戰略在變化，這兩年也不是純粹的做科研啦，是否可以分析一下以後的發展

CV方向的話可以看下剛出的imagenet的結果：http://image-net.org/challenges/LSVRC/2015/results

MSRA在檢測和定位兩個項目上都是第一，而且檢測比第二名高了很多。個人感覺MSRA可能涉及的研究領域比較有限，但是集中做的這些方向質量都很高。

AI組的劉鐵岩老師是我們系的客座教授。

link為證http://lti.cs.cmu.edu/directory/all/154/200

據某實習朋友說cv組每人至少三篇cvpr，而對比一下，國內大部分985院校，碩士畢業能有一篇tip都已經算非常頂尖的學生了

借這個機會正好回答下我對學術界和工業界的一些看法

近兩年情況不知，如果以我熟悉的那個時候的msra來說，前二十的實力總是有的。但是請注意一點，在一個學校學習，能得到的永遠不僅僅是知識，更多的是背後整個學校的資源，其中包括校友資源，眼界視野等等。除此之外，兩者關注的重點也大有不同。

==================以下是閑扯的分割線=====================

之前在PhD小結中也提到了，好的研究分兩種，一種是方法創新，獨闢蹊徑，結果不一定是最好；另一種是方法樸實，但是結果提升明顯。這其實恰恰就對應了學術界和工業界對待科研的兩種思路。

在學術界中，容許結果不是最優的方法，只要方法能夠引發讀者的思考，啟發後人的工作就是一個有意義的工作。這其中不僅僅包括在一個已有的問題上提出一個新的方法，也包括提出一個新的問題setting，甚至包括提供一個新的dataset。低年級的同學review paper時常犯的一個錯誤就是，只關注結果是不是state of the art，而忽略文章中有沒有一些深層次的思考。

在工業界中，做的事情一般來說是有明確導向的，要以最終優化的目標為準，比如可能是提高結果，或是加速某個演算法。所有的目標，都是以業務為明確導向，相對來說更能看到實際的效果，但是自由度和有趣的程度比不上在學術界中，對風險的承受程度也不如在學術界大。所以這也是為什麼我勸很多還在學校的同學盡量多去做一些好玩的，雖然不一定能馬上看到用途，或者風險大一些的題目，否則以後要不是在學術界混，就沒有機會再去玩了

沿著這個思路，再去評價MSRA的一些工作，其實就可以看出背後一條比較清晰的研究思路了

top 30？MSRA IG組的SIGGRAPH最高紀錄已經在前年被刷新到10篇，超過美帝top1。往年最少4篇，平均大概5-8之間。而且，這幾年的風向已經變了，不已發paper為主，而是考量影響力。也就是說，副業的成績&>=top1。如果和MSR、MSRC聯合起來算的話，top1+top2+top3也不是對手。

然而去年開始轉型，未來就不知道會怎麼樣了。

@叛逆者說他還在IG組的時候，最多一年可以發8篇siggraph，一共就十幾個人。

We train neural networks with depth of over 150 layers，已經嚇哭了

計算機是一個被工業界主導的學科～

刷新神經網路新深度：ImageNet計算機視覺挑戰賽微軟中國研究員奪冠

http://mp.weixin.qq.com/s?__biz=MzAwMTA3MzM4Nw==mid=400607098idx=1sn=933c7328221cfec90e358314be8602e3scene=2srcid=1211JWuVzn95KuUO6RJ6WKskfrom=timelineisappinstalled=0#wechat_redirect

美帝top30我沒去過不清楚

但是msra嘛簡單總結一下就是paper machine

研究員們還是很厲害的能寫代碼能發paper

以前圖形圖像方面吊打美帝30%完全小意思，記得某年年度頂級10篇裡面半數都是msra的，排名第一。現在什麼情況不了解。

ps，講個花絮，當年沈向洋還是挺能吹的，哈哈。

計算機本來就是偏工程的學科