正文
以下是颜水成采访实录，由编辑整理，有删减和调整。
ImageNet确实可以终结了，计算机视觉的未来属于多标签、像素级、语义级
“图像的竞赛还是像素级别的分类更好。如果像素级分割做好了，无论做任何类型图像理解或语义理解的问题都好办了。”
新智元
：今年之后ImageNet的ILSVRC挑战赛“退出江湖”，是不是表明分类检测任务已经取得相对完善的表现？
颜水成
：计算机视觉竞赛有很长的历史，PASCAL VOC进行了八年，ImageNet也是八年。每个比赛都承载了大家对技术发展的期望，同时大家也会逐渐发现这些数据库的局限性。
2005-2012年，PASCAL VOC非常火，但是只有二十类，2010年开始的ImageNet有一千类，于是研究者逐步转向ImageNet。
ImageNet数据库现在最大的挑战是，在分类中每一个图像中只标注了一个主要的物体，所以ImageNet主要是做单个物体的分类和定位。这不符合现实世界图像的分布特点，存在局限性，这是ImageNet结束比赛的一个重要原因。
但是ILSVRC比赛里面的物体检测这个任务，本身还没有终结，后面还会也应该继续下去。
我们需要像某些多标签的多媒体数据集那样的数据集，更符合真实图像的情况。
新智元
：多label的数据集，现在有哪些？
颜水成
：比较大的有来自新加坡国立大学的NUS-WIDE。但是label也不多，只有81个。
新智元
：ImageNet为什么是单label？
颜水成：工作量的问题，多label意味着每个图像对多个label要做校验。但是单label只需要判断yes or no。
假如是个一千个label的多标签数据集，你的校验就是一千倍，否则依然会存在错误。
新智元
：未来计算机视觉的竞赛还应该往哪方面发展呢？
颜水成
：在我个人看来，图像的竞赛还是像素级别的分类更好。如果图像分割做好了，无论做任何类型图像理解或语义理解的问题都好办了。
ImageNet去年有Scene Parsing任务，但遗憾的是今年没继续。如果将来把图像分割作为核心任务，再做任何其它任务就好办多了。
真正好的分割是全景的分割。所谓全景分割，就是对每一个像素都有一个标注。这样比ImageNet检测和分类的任务难很多，标注量也非常大。
希望在合适的时间点有大公司或NPO来做这样的事情。现在有新的数据集做语义级别分析或者局部关联分析，但这些数据库存在内在的局限性，最终还是要做像素级别。
DPN摘下最后的“皇冠”，本质是ResNet和DenseNet思想的结合
“ResNet可以解释成是DenseNet的一个特例。但是DPN还暂时无法被解释成是DenseNet的特例。原因是...”
新智元
：本届比赛中，你所在团队使用了DPN技术，这种技术除了用于像ImageNet中“图像识别”、“图像检测”和“图像分割”这三大任务，是否适合用其他任务或者应用上？
颜水成
：计算机视觉领域的基础模型至关重要，如AlexNet, NIN, GoogleNet, VGG, ResNet, 以及这次的DPN。不仅仅限于这三大任务，只要计算机视觉相关的并且用深度学习的都可受益于这些基础模型。
新智元
：论文中说ResNet是DenseNet的一个特例，而DPN结合了两种模型的思想，DPN是否也是一种DenseNet的特例呢？
