何恺明（中文：何恺明；拼音：Hé Kǎimíng）是一位中国计算机科学家，专攻计算机视觉和深度学习。他以残差神经网络（ResNet）架构的共同创造者而闻名，该架构彻底改变了深度神经网络的训练方式。他是麻省理工学院的副教授，并在谷歌DeepMind兼职担任杰出科学家。
他的研究对人工智能领域产生了深远影响，尤其是在图像识别和物体检测方面。他在顶级会议上多次获得最佳论文奖，并因其对基础AI模型的贡献而受到认可。
早年生活与教育
他曾就读于中国广东省广州市的广州市执信中学。2003年，他在广东省本科入学考试中取得了最高总分。随后，他在清华大学学习，并于2007年获得理学学士学位。从2007年到2011年，他在香港中文大学攻读信息工程博士学位，并在其多媒体实验室工作。他于2011年获得博士学位，论文题目为《基于暗通道先验的单图像去雾》，导师为汤晓鸥。
职业与研究
他于2011年至2016年在微软亚洲研究院工作，期间为计算机视觉的早期进展做出了贡献。2016年，他加入Facebook人工智能研究（FAIR），该机构现隶属于Meta，并一直工作到2024年。在FAIR任职期间，他合著了多篇有影响力的论文，包括2016年发表的《用于图像识别的深度残差学习》，该论文引入了ResNet架构。根据谷歌学术在2020年和2021年的报告，这篇论文成为五年期间被引用最多的研究论文。2024年，他成为麻省理工学院电气工程与计算机科学系的副教授。
他在ResNet方面的工作通过引入跳跃连接解决了深度神经网络中的退化问题，使得训练数百层或数千层的网络成为可能。这一创新支撑了许多现代AI系统，包括用于Machine learning和Artificial intelligence的系统。他还为Mask R-CNN的开发做出了贡献，这是一个用于实例分割的框架，将Neural network方法扩展到像素级物体检测。
奖项与荣誉
他获得了多项 prestigious 奖项。他在2017年国际计算机视觉大会（ICCV）上获得了马尔奖最佳论文奖。他还在2009年和2016年的计算机视觉与模式识别（CVPR）会议上获得了最佳论文奖。2023年，他与三位合作者共同获得了未来科学大奖，以表彰他们通过引入深度残差学习对人工智能做出的基础性贡献。他的工作在Deep learning和计算机视觉领域被广泛引用。
影响与遗产
他的研究影响了各种AI应用的发展，从图像分类到自动驾驶。ResNet架构是许多现代系统中的标准组件，包括用于Google DeepMind和其他领先AI实验室的系统。他的贡献也塑造了Stanford AI Lab和BAIR (Berkeley AI Research)等机构研究人员的工作。他的模型设计方法已被采用于Transformer (architecture)架构和其他先进模型中，突显了AI社区中思想的交叉融合。
当前工作
截至2024年，他在麻省理工学院工作，继续研究计算机视觉和深度学习。他在谷歌DeepMind的兼职角色涉及合作推进AI边界项目。他正在进行的工作侧重于提高神经网络的效率和能力，这对Generative AI和其他新兴技术具有重要意义。