Pietro Perona (geboren am 3. September 1961) ist ein italienisch-amerikanischer Pädagoge und Informatiker. Er ist Allan-E.-Puckett-Professor für Elektrotechnik sowie Computation and Neural Systems am California Institute of Technology (Caltech) und Direktor des National Science Foundation Engineering Research Center in Neuromorphic Systems Engineering. Perona ist für seine Forschung im Bereich Computer Vision bekannt, insbesondere in der Bildverarbeitung, der visuellen Kategorisierung und der computergestützten Analyse von Verhalten.
Perona leitet die Caltech Computational Vision Group, wo er untersucht, wie Maschinen visuelle Informationen interpretieren können. Seine Arbeit hat Bereiche wie künstliche Intelligenz und maschinelles Lernen beeinflusst, mit Anwendungen von autonomen Systemen bis hin zur biomedizinischen Bildgebung. Er hat auch zur Entwicklung groß angelegter visueller Datensätze beigetragen, die moderne Deep-Learning-Ansätze untermauern.
Akademischer Werdegang
Perona erwarb 1985 seinen D.Eng. in Elektrotechnik cum laude an der Universität Padua. Anschließend zog er in die Vereinigten Staaten und schloss 1990 seine Promotion an der University of California, Berkeley ab. Seine Dissertation mit dem Titel Finding Texture and Brightness Boundaries in Images wurde von Jitendra Malik betreut, einer prominenten Persönlichkeit im Bereich Computer Vision.
Nach seiner Promotion hatte Perona Postdoktorandenstellen am International Computer Science Institute in Berkeley (1990) und am Massachusetts Institute of Technology im Laboratory for Information and Decision Systems (1990–1991) inne. 1991 trat er der Fakultät am Caltech bei, wo er seitdem geblieben ist. 2008 wurde er zum Allan-E.-Puckett-Professor ernannt, was seine Beiträge zur Elektrotechnik und Informatik widerspiegelt.
Forschungsbeiträge
Peronas Forschung konzentriert sich auf die rechnerischen Aspekte von Vision und Lernen. Ein früher bahnbrechender Beitrag ist die anisotrope Diffusionsgleichung, eine partielle Differentialgleichung, die Rauschen in Bildern reduziert, während sie Regionengrenzen erhält und verstärkt. Diese Methode, die in den frühen 1990er Jahren eingeführt wurde, wurde zu einem Eckpfeiler der Bildverarbeitung und wird in Computer-Vision-Anwendungen weit verbreitet eingesetzt.
Er war ein Pionier der visuellen Kategorisierung, insbesondere durch die Einführung des Caltech-101-Datensatzes in den frühen 2000er Jahren. Dieser Datensatz, der Bilder aus 101 Objektkategorien enthält, bot einen Maßstab für die Bewertung von Algorithmen zur Objekterkennung und trug dazu bei, Fortschritte auf diesem Gebiet zu fördern. Für seine Arbeit zur visuellen Kategorisierung erhielt er 2013 den Longuet-Higgins-Preis, eine Auszeichnung für grundlegende Beiträge zur Computer Vision.
Peronas aktuelle Interessen umfassen visuelle Erkennung und die visuelle Analyse von Verhalten. Er arbeitet mit Serge Belongie am Visipedia-Projekt zusammen, das Forschung zu visueller Wissensrepräsentation, visueller Suche und Mensch-in-der-Schleife-Maschinelles-Lernen-Systemen ermöglicht. Dieses Projekt zielt darauf ab, Computer Vision mit menschlichem Fachwissen zu kombinieren, um genauere und interpretierbare Erkennungssysteme zu entwickeln.
Auszeichnungen und Ehrungen
Perona hat mehrere prestigeträchtige Auszeichnungen für seine Forschung erhalten. 2010 wurde ihm der Koenderink-Preis für grundlegende Beiträge zur Computer Vision verliehen. Er erhielt außerdem den Best-Paper-Preis der Conference on Computer Vision and Pattern Recognition (CVPR) 2003 und einen NSF Presidential Young Investigator Award 1996. Diese Ehrungen spiegeln seine nachhaltige Wirkung auf das Feld wider.
Seine Arbeit wurde in nationalen Medien vorgestellt, darunter die New York Times, Science Friday, The New Yorker und die Los Angeles Times, was die breitere Relevanz seiner Forschung hervorhebt. 2003 co-organisierte Perona mit Stephen Nowlin die Kunstausstellung NEURO, die zeitgenössische Künstler und Wissenschaftler zusammenbrachte, um neuromorphe Technik zu erkunden und Kunst und Technologie zu verbinden.
Vermächtnis und Einfluss
Peronas Beiträge haben die moderne Computer Vision geprägt und angrenzende Bereiche beeinflusst. Seine anisotrope Diffusionsmethode bleibt eine Standardtechnik in der Bildentrauschung, und seine Datensätze haben das Training robusterer Erkennungsmodelle ermöglicht. Als Direktor des NSF Engineering Research Center in Neuromorphic Systems Engineering hat er auch die Forschung zu gehirninspirierter Informatik vorangetrieben, die Auswirkungen auf energieeffiziente neuronale Netzwerk-Implementierungen hat.
Durch seine Lehre und Mentoring am Caltech hat Perona eine Generation von Forschern ausgebildet, die bedeutende Beiträge in Wissenschaft und Industrie geleistet haben. Sein interdisziplinärer Ansatz, der Vision, Lernen und Neurowissenschaften kombiniert, inspiriert weiterhin neue Forschungsrichtungen in künstlicher Intelligenz.