何恺明 Kaiming He

深度学习/计算机视觉领军人物，残差网络 ResNet 一作，现代视觉骨干网与检测/自监督范式的奠基者之一。

研究方向及演变

早期做底层视觉（暗通道去雾，博士论文）→ 深度网络架构（ResNet 残差学习）→ 目标检测与实例分割（R-CNN 系）→ 视觉自监督预训练（MoCo、MAE）。一条从「让网络能变深」到「让网络自己学表征」的主线。

单位沿革（时间线）

• 清华大学 本科；香港中文大学 博士（导师汤晓鸥）。
• Microsoft Research Asia（MSRA），2011–2016。
• Facebook AI Research（FAIR / Meta AI），2016–2024。
• MIT（麻省理工，副教授），2024–至今。

代表作（本 Wiki 双链）

• resnet-deep-residual-learning（ResNet，2015）— 残差连接，训练极深网络，CVPR 2016 最佳论文，影响遍及全领域。
• faster-rcnn（2015）— RPN 区域建议网络，实时目标检测里程碑。
• mask-rcnn（2017）— 实例分割标杆，ICCV 2017 最佳论文。
• mae（Masked Autoencoders，2021）— 掩码图像建模，视觉自监督预训练范式。

活跃时间与影响

2010 年代初至今持续高产。ResNet 是被引用最多的 AI 论文之一，为 OCR/文档解析中大量视觉骨干（检测、版面分析、VLM 视觉编码器）提供了基础架构；MAE 则深刻影响了 DiT 等文档图像自监督预训练路线。