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Google 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。他多次获得顶级会议的最佳论文奖，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，他在广东省普通高校招生考试中取得最高总分。随后，他在清华大学学习，并于2007年获得理学学士学位。2007年至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。
职业生涯与研究
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），该机构现为Meta的一部分，并一直工作至2024年。在FAIR任职期间，他合著了多篇有影响力的论文，包括2016年的论文《用于图像识别的深度残差学习》，该论文引入了ResNet架构。根据Google Scholar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上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，这是一种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。他于2017年在国际计算机视觉大会（ICCV）上获得马尔奖最佳论文奖。他还在2009年和2016年的计算机视觉与模式识别（CVPR）会议上获得最佳论文奖。2023年，他与三位合作者共同获得未来科学大奖，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Transformer (architecture)架构和其他先进模型采用，突显了AI社区中思想的交叉融合。
当前工作
截至2024年，他任职于麻省理工学院，继续研究计算机视觉和深度学习。他在Google DeepMind的兼职角色涉及合作推动AI边界的项目。他当前的工作重点是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。