更新时间：2024-05-29 14:55
何恺明出生于1984年，从小在广州长大，在广州市执信中学就读时曾获全国物理竞赛一等奖、广东省化学竞赛一等奖。
2003年5月，何恺明凭借全国物理竞赛一等奖被保送清华大学机械工程及自动化专业。6月，他选择继续参加高考，获得满分900分的成绩，成为当年广东省9位满分状元之一。
2003年9月，何恺明进入清华大学后，放弃原本保送的专业，转而选择基础科学班。大学期间，他连续3年获得清华奖学金。
2007年，何恺明在毕业前已进入微软亚洲研究院（MSRA）实习，出于对计算机图形图像课程的兴趣，他选择加入MSRA视觉计算组，实习导师为孙剑。本科毕业后，他进入香港中文大学攻读研究生，师从汤晓鸥，期间仍然在微软亚洲研究院参与相关研究。
2009年，何恺明的第一篇论文获得IEEE国际计算机视觉与模式识别会议（CVPR）年度最佳论文奖，是CVPR创办25年以来首次有华人乃至亚洲学者获奖。
2011年，何恺明毕业于香港中文大学多媒体实验室，获得信息工程哲学博士学位，之后正式加入微软亚洲研究院工作。
2015年，何恺明和他的团队凭借152层深度残差网络ResNet-152，在ImageNet图像识别大赛中击败谷歌、英特尔、高通等业界团队，获得第一。
2016年8月，何恺明离开微软亚洲研究院，加入Facebook AI Research（FAIR），担任研究科学家。
2023年8月，何恺明获得未来科学大奖数学与计算机科学奖，奖金33.3万美元；同年10月，在香港中文大学以“深度残差学习及其对人工智能领域的影响”为题发表得奖演说。
2024年2月，何恺明加入麻省理工学院电气工程与计算机科学系（MIT EECS），担任副教授。
何恺明团队提出了深度残差学习，使神经网络能够达到前所未有的深度，获得以前难以实现的能力，促成了多个突破性的成果——包括AlphaGo、AlphaFold和ChatGPT，为人工智能做出了基础性贡献。
2017年3月，何恺明和同事公布Mask R-CNN，提出了一个概念上简单、灵活和通用的用于目标实例分割（objectinstance segmentation）框架，能够有效地检测图像中的目标，同时还能为每个实例生成一个高质量的分割掩码。
根据Google Scholar的统计，截至2023年7月，何恺明已发表73篇论文，H指数为67，引用次数超过46万次。
代表性论文：
He, K., Chen, X., Xie, S., Li, Y., Dollár, P., & Girshick, R. (2022). Masked autoencoders are scalable vision learners. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 16000-16009).
Chen, X., & He, K. (2021). Exploring simple siamese representation learning. In Proceedings of the IEEE/CVF conference on computer vision and pattern recognition (pp. 15750-15758).
He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum contrast for unsupervised visual representation learning. In Proceedings of the IEEE/CVF conference on computer vision and pattern recognition (pp. 9729-9738).
Qi, C. R., Litany, O., He, K., & Guibas, L. J. (2019). Deep hough voting for 3d object detection in point clouds. In proceedings of the IEEE/CVF International Conference on Computer Vision (pp. 9277-9286).
Wu, Y., & He, K. (2018). Group normalization. In Proceedings of the European conference on computer vision (ECCV) (pp. 3-19).
He, K., Gkioxari, G., Dollár, P., & Girshick, R. (2017). Mask r-cnn. In Proceedings of the IEEE international conference on computer vision (pp. 2961-2969).
Lin, T. Y., Goyal, P., Girshick, R., He, K., & Dollár, P. (2017). Focal loss for dense object detection. In Proceedings of the IEEE international conference on computer vision (pp. 2980-2988).
He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 770-778).
He, K., Sun, J., & Tang, X. (2010). Single image haze removal using dark channel prior. IEEE transactions on pattern analysis and machine intelligence, 33(12), 2341-2353.
2024年春季，何恺明在麻省理工学院开设课程《Advances in Computer Vision》（计算机视觉的进展）。
何恺明是家中独子，父母均在企业里从事管理工作，从小就接触到优良的教学环境。他年少时就被送到少年宫学习绘画，有时一待就是大半天，这也不断使他练就出沉稳的性格。
提到何恺明，很多学术界的人都将其视为“天才型”的人物。从“高考满分状元”，到CVPR最佳论文奖“首位华人得主”，再到震惊学界的“深度残差网络”，这位“80后”青年才俊有着诸多传奇故事。（网易智能评）
无论是在MSRA还是在FAIR，何恺明始终以他沉稳而优秀的表现，一路过关斩将，为学术界带来许多重磅的研究成果。（清华校友总会评）
何恺明是深度学习领域最具影响力的人物之一，在计算机视觉和深度学习领域发表了一系列极具影响力的论文，是领域内多个著名奖项的获得者。（清华大学新闻网评）
“出道即巅峰”是何恺明的真实写照，他年少成名，依然不断潜心研究，一直带来新惊喜。（《新民晚报》评）