Alan Yuille（生于1955年）是一位英国计算机科学家和学者。他是约翰霍普金斯大学计算认知科学领域的彭博杰出教授，同时在认知科学系和计算机科学系任职。Yuille以其在计算机视觉领域的开创性贡献而闻名，包括开发可变形模板和用于物体识别的贝叶斯模型，以及后来将深度学习应用于医学图像分析的工作。
生平
Alan Yuille于1955年出生。他于1976年在剑桥大学获得数学学士学位，随后于1981年在同一机构获得理论物理学博士学位，师从斯蒂芬·霍金。完成博士学位后，Yuille在德克萨斯大学奥斯汀分校和加州大学圣巴巴拉分校担任博士后研究员。
1982年，Yuille开始在麻省理工学院人工智能实验室担任研究科学家，一直工作到1986年。随后他转至哈佛大学，于1988年晋升为计算机科学助理教授，并于1992年晋升为副教授。1995年，Yuille加入旧金山的史密斯-凯特韦尔眼科研究所，担任高级研究科学家。
2002年，Yuille成为加州大学洛杉矶分校（UCLA）统计学系的正教授，并在计算机科学、精神病学和心理学系兼任职务。他还担任UCLA认知、视觉与学习中心的联合主任。2016年，Yuille转至约翰霍普金斯大学，担任计算认知科学领域的彭博杰出教授，该职位是通过迈克尔·彭博的捐赠设立的，旨在促进跨学科研究。他在认知科学系和计算机科学系任职。
研究
Yuille的研究重点是开发视觉和认知的数学模型，使计算机能够从图像或视频中重建三维结构。他在1980年代和1990年代的早期工作引入了可变形模板，利用灵活的几何模型来识别形状可变的物体，并应用贝叶斯推断将先验知识与视觉证据相结合。这些方法成为计算机视觉领域的基础。
在约翰霍普金斯大学，Yuille领导计算认知、视觉与学习（CCVL）小组。他最近的研究探索了如何将深度学习和神经网络架构用于医学图像分析，特别是用于疾病的检测和诊断。一个 notable 项目是“菲利克斯计划”，以《哈利·波特》系列中的虚构药水命名，旨在利用深度学习通过分析CT和MRI扫描来提高胰腺癌的早期检测能力。该项目力求高精度地区分正常和异常的胰腺组织，包括肿瘤。
Yuille的工作涵盖人工智能的理论和应用方面，包括机器学习、贝叶斯推断和图像分割。他为结合生成式和判别式方法的模型开发做出了贡献，其研究影响了计算机视觉以外的领域，如认知科学和医学成像。
奖项与荣誉
Yuille于2003年在国际计算机视觉大会（ICCV）上获得马尔奖，这是以大卫·马尔命名的计算机视觉领域著名奖项。他是多个专业学会的会士，包括IEEE和人工智能促进协会。他的引用次数和h指数反映了其在计算机视觉及相关领域出版物中的高影响力。
精选出版物
书籍
- Clark, J.J., and Yuille, A.L. (1990). Data Fusion for Sensory Information Processing Systems. Kluwer Academic Publishers, Boston.
- Blake, A., and Yuille, A.L. (Eds.) (1992). Active Vision. MIT Press, Cambridge, MA.
- Hallinan, P.W., Gordon, G., Yuille, A.L., Giblin, P.J., and Mumford, D.B. (1999). Two- and Three-Dimensional Patterns of the Face. A K Peters, Ltd.
文章
- Yuille, A.L., Hallinan, P.W., and Cohen, D.S. (1992). "Feature extraction from faces using deformable templates." International Journal of Computer Vision, 8(2), 99-111.
- Zhu, S.C., and Yuille, A.L. (1996). "Region competition: Unifying snakes, region growing, and Bayes/MDL for multiband image segmentation." IEEE Transactions on Pattern Analysis and Machine Intelligence, 18(9), 884-900.
- Kersten, D., Mamassian, P., and Yuille, A.L. (2004). "Object perception as Bayesian inference." Annual Review of Psychology, 55, 271-304.
- Chen, L.C., Papandreou, G., Kokkinos, I., Murphy, K., and Yuille, A.L. (2017). "DeepLab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs." IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(4), 834-848.
参考文献
本文包含来自维基百科文章“Alan Yuille”的文本，该文章根据知识共享署名-相同方式共享许可协议提供。