深度学习和计算机视觉领域在2018年还有哪些能突破/兴起或者全新的发展方向？

　　videoretrieval，说实话，目前的videoretrieval，大多要么使用imageretrieval和ann结合的方式来处理，要么是还基于传统手工算子，要么就是基于相邻帧图像编码，比如直接求平均或者lstm之类的方法。对于更为复杂的问题，例如我有一个gif，我希望找到出自哪部电影，我有一段电影片段，我希望找到这张图究竟来自于电影的第几分第几秒来定位。这些都是目前几乎无人研究的。objectretrieval，曾经甚至被认为是图像检索的典型问题，每年都能看到海量论文，然而近几年人脸识别和reid等领域快速发展，这个领域却几乎毫无进展，对于oxfordbuilding这种数据集，目前深度学习的性能才勉强和传统手工算子方法持平，甚至还略差一些，大多方法都是对featuremap抽取后离线做大量处理，完全没发挥深度学习的优势。从我个人感官来看，这个问题其实是可以和tracking领域相辅相成的，从这个思路出发，或许也能挖出一些新的有趣的结论。

　　安利一波有关对抗样本的工作。现在很多深度学习的应用想要在工业界落地，但是对抗样本的存在使得这些应用的安全性得不到保障。比如说无人车自动驾驶，如果摄像头拍到的图像由于微小的噪声扰动而被错误地识别，后果可能会很严重。进一步来说，对抗样本的存在，会使得实际应用中深度学习只能应用在一些高容错率的场合中。所以，我们希望可以搞清楚以下这些问题：对抗样本为什么存在？对抗样本为什么会有迁移能力？对抗样本是不是神经网络中的本质问题？是否对于所有的神经网络都存在对抗样本的问题？如何抵御对抗攻击？这个领域很神奇的地方在于，从2013年到现在，这些问题仍都还是开放性问题，缺乏靠谱的理论解释。原因在于深度学习兴起至今，我们对神经网络的了解太少了。由于维度太高，我们很难对losssurface长什么样有一个靠谱的认识，很难解释为什么只要梯度下降就可以找到还不错的局部最优解，很难解释ReLU和其他的一些激活函数对神经网络的决策边界有什么影响。换句话说，在这个领域的突破，最需要的助力是在深度学习理论方面的突破，而后者太难太难了。