彼得罗·佩罗纳（生于1961年9月3日）是一位意大利裔美国教育家和计算机科学家。他是加州理工学院（Caltech）电气工程与计算及神经系统的艾伦·E·帕克特教授，并担任国家科学基金会神经形态系统工程工程研究中心主任。佩罗纳因其在计算机视觉领域的研究而闻名，特别是在图像处理、视觉分类和行为计算分析方面。
佩罗纳领导加州理工学院计算视觉小组，研究机器如何解释视觉信息。他的工作影响了人工智能和机器学习等领域，应用范围从自主系统到生物医学成像。他还为支撑现代深度学习方法的大规模视觉数据集的开发做出了贡献。
学术传记
佩罗纳于1985年在帕多瓦大学以优异成绩获得电气工程博士学位。随后他移居美国，于1990年在加州大学伯克利分校完成博士学位。他的论文题为《寻找图像中的纹理和亮度边界》，由计算机视觉领域的杰出人物吉滕德拉·马利克指导。
获得博士学位后，佩罗纳在伯克利的国际计算机科学研究所（1990年）和麻省理工学院的信息与决策系统实验室（1990–1991年）担任博士后职位。1991年，他加入加州理工学院任教，并一直留任至今。他于2008年被任命为艾伦·E·帕克特教授，以表彰他在电气工程和计算领域的贡献。
研究贡献
佩罗纳的研究聚焦于视觉和学习的计算方面。他早期的一项开创性贡献是各向异性扩散方程，这是一种偏微分方程，能在保留和增强区域边界的同时减少图像噪声。该方法于20世纪90年代初提出，成为图像处理的基石，并广泛应用于计算机视觉领域。
他开创了视觉分类的研究，特别是在21世纪初引入了Caltech 101数据集。该数据集包含101个物体类别的图像，为评估物体识别算法提供了基准，并推动了该领域的进展。他在视觉分类方面的工作为他赢得了2013年朗格-希金斯奖，该奖项旨在表彰对计算机视觉的基础性贡献。
佩罗纳目前的研究兴趣包括视觉识别和行为的视觉分析。他与塞尔日·贝隆吉合作开展Visipedia项目，该项目促进视觉知识表示、视觉搜索和人在回路机器学习系统的研究。该项目旨在将计算机视觉与人类专业知识相结合，以构建更准确且可解释的识别系统。
奖项与荣誉
佩罗纳因其研究获得了多项 prestigious 奖项。2010年，他获得了计算机视觉基础贡献科恩德林克奖。他还获得了2003年计算机视觉与模式识别会议（CVPR）最佳论文奖和1996年NSF总统青年研究者奖。这些荣誉反映了他在该领域的持续影响力。
他的工作曾被《纽约时报》、《科学星期五》、《纽约客》和《洛杉矶时报》等国家媒体专题报道，凸显了他研究的广泛相关性。2003年，佩罗纳与斯蒂芬·诺林共同组织了NEURO艺术展，汇集当代艺术家和科学家探索神经形态工程，架起了艺术与技术的桥梁。
遗产与影响
佩罗纳的贡献塑造了现代计算机视觉，并影响了相邻领域。他的各向异性扩散方法仍是图像去噪的标准技术，他的数据集促进了更稳健识别模型的训练。作为NSF神经形态系统工程工程研究中心主任，他还推动了受大脑启发的计算研究，这对节能神经网络实现具有重要意义。
通过在加州理工学院的教学和指导，佩罗纳培养了一代研究者，他们在学术界和工业界做出了重要贡献。他的跨学科方法，结合视觉、学习和神经科学，继续激发人工智能的新研究方向。