11月12日，微软亚洲研究院的高级主管研究员华刚做客中国科学院自动化研究所“模式识别学术大讲堂”，为自动化所师生作题为Probabilistic Elastic Part Model: A Pose-Invariant Representation for Face Recognition的学术报告。 

　　报告中，华刚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。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，分享了他自己的思考和观点。 

　　华刚的报告赢得了会场的阵阵掌声，报告内容新颖生动，不仅开阔了大家的研究视野，在人脸检测和识别问题上提出了新的思路和借鉴，更在如今深度学习无处不在的背景下，就如何从事有意义的研究工作提供了宝贵的建议。 

　　华刚在美国西北大学获得电气与计算机工程博士学位，先后在IBM、诺基亚、微软等公司担任研究员，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，华刚加入微软亚洲研究院视觉计算组，现任微软亚洲研究院(MSRA)的高级主管研究员，曾获得2015 IAPR Young Biometrics Investigaotor Award。