腾讯体育6月18日讯 世界杯F组，卫冕冠军德国队爆冷0-1不敌墨西哥队，德国输球不要紧，韩国媒体一片哀叹，认为这个结果对韩国来说同样是“最糟糕的”。

　　点评墨西哥：比想象的还要强

　　韩国媒体《inter football》撰文写到：墨西哥1-0德国，暂时占据了小组第一的位置，这支球队比我们想象的还要强，德国中场在世界杯上都具备优势，但是墨西哥队在和日耳曼战车的对决中并没有落霞峰。相反，墨西哥队的反击非常犀利，虽然次数不多，但是前场2-3人之间的反击非常奏效。

　　展望：没有比现在更差的结果了

　　墨西哥队取得了胜利，这对韩国和瑞典队来说都是最糟糕的结果，尤其是站在韩国的立场上，没有比这更差的结果了。当时韩国队寄希望于德国队在前两场全胜拿到6分，然后在第三场可能会有所松动。

　　现在情况出现了变化，德国队想要进入16强，必须在后面2场比赛中全力死磕，尤其是面对小组最弱的韩国队。

　　墨西哥携第一场的胜势，为了出线必然放手一搏。这样一来，即便韩国队首轮能拿下瑞典队，后面两场比赛也会面临很大的压力。

　　韩国和瑞典赛前的备战并不是特别好，尤其是韩国队，热身成绩不太理想，又传出被偷拍的情况。昨天韩国和相熟的瑞典记者观看墨西哥德国的比赛，双方都对德国输球的结果感到遗憾。

　　瑞典国家广播电台的记者表示：德国0-1墨西哥这个结果，对韩国和瑞典来说都不太好，随着墨西哥的胜利，韩国和瑞典都希望在直接对话中战胜对手，平局可能都不会让双方感到满意。

　　至于并不具备绝对实力的韩国队，即便首轮能战胜瑞典队，如果在对阵墨西哥和德国的时候表现不佳，进军16强也机会不大。（思航雨）返回腾讯网首页>>

韩国墨西哥的对战，毫无疑问墨西哥会大胜，毕竟墨西哥可是战胜了德国的队伍。下面，我们来看看2018世界杯韩国对墨西哥谁更强详情介绍。

2018世界杯韩国对墨西哥谁更强？

北京时间6月23日晚上23点，太极虎韩国将会迎来墨西哥的挑战，这是来自于俄罗斯世界杯F组第二轮的一场比赛。

韩国首战被瑞典在65分钟打入一粒点球，0-1落败，本场比赛必须全力争取胜利。墨西哥的世界杯第一场比赛则堪称惊艳，他们1-0击败卫冕冠军德国队，而且全场反击犀利至极，让全世界记住了这股绿色的旋风。本场比赛，韩国必须攻出来，如此一来墨西哥球员的速度就有了用武之地，虽然太极虎会拼尽全力，但恐怕还是难以抵挡墨西哥的反击。

竞猜预测：客胜（墨西哥）

多跑动，韩国唯有拼体能

世界杯第一轮，韩国主场0-1不敌瑞典，第65分钟，金民友送点，格兰奎斯特冷静点射破门。目前没有积分的韩国队必须全力进攻，拿下墨西哥他们才有出线的可能。

韩国的头号球星孙兴民首轮有着不错的发挥，他的能力和状态都不用过多担心。但韩国队的另一名得分手黄喜灿的状态却不是很好，首场比赛屡屡错失良机，带球也总是被抢断或落入包围圈，本场他需要做出调整。

从战术上讲，韩国攻出去必将面临墨西哥的反击，这是无法避免的，所幸的是韩国球员向来以体能著称，他们只有来回多跑动，尽自己最大的努力。

等反击，墨西哥如鱼得水

墨西哥首轮1-0击败卫冕冠军德国队，顽强的防守、犀利的反击、迅疾如风的速度、侵略如火的进攻，这些特点给所有球迷留下了深刻的印象。本场比赛他们希望延续胜利，如果能手握6分，他们出线将不成问题。

墨西哥在和德国队的比赛中机会很多，小豌豆埃尔南德斯、11号贝拉的表现都很不错。但前锋7号拉云却错失了不少机会，本场不知道墨西哥主教练奥索里奥会选择在阵容上做出调整，还是选择继续信任拉云。

面对不得不攻的韩国，墨西哥本场可谓如鱼得水。防守反击是墨西哥最为喜欢的方式，面对绝对实力远逊德国的韩国队，墨西哥很有机会取胜。

名家观点：墨西哥打穿韩国

站内名家我是懂球帝认为墨西哥连强大的德国都能掀翻，击败韩国不在话下。而马老师则从战术的角度考虑，韩国必须进攻而墨西哥球员速度极快，最喜欢打防守反击，只要前场把握住机会，将会大比分赢下韩国。

6 月.计算机视觉领域重要会议之一 CVPR 2018 正在美国盐湖城火热举办，目前会议日程已接近尾声.近年来。随着计算机视觉算法从实验室走向商用；这朵「高岭之花」逐渐走进「寻常百姓家」。我们毫不意外地看到越来越多的商业公司出现在学术会议上，国外！我们能看到谷歌，Facebook 的大批论文；国内。我们能看到腾讯.阿里巴巴；商汤等巨头与创业公司在论文接收量与挑战赛成绩上不输于国外巨头，其中商汤科技的论文接收数量达到创纪录的 44 篇。

瑞典,死亡之组,,金英权,韩国队

自 2012 年以来.经过视觉领域诸多学者们的不懈努力，「物体识别」，「人脸检测」等传统任务的性能在一定程度上达到饱和！因此纵观本届 979 篇入选论文.我们会看到研究者们纷纷将目光转向近年来的一些新兴问题！在今年，商汤的研究者们就大规模分布式训练.人体理解与行人再识别。三维场景理解与分析，底层视觉算法！物体检测！识别与跟踪；深度生成式模型！视频与行为理解等多个问题展示了自己的最新工作！

而纵观 CVPR，已经有一批从实际应用场景出发的！有针对性的新问题受到了广泛关注。一些数据模态和模型结构设计已经形成了声势浩大的热门子领域.

本届行人再识别领域唯一一篇 oral 论文就来自商汤.第一作者 Dapeng Chen 近三年都在从事行人再识别中相似性测度部分的研究。在后文的采访中，他也提到。自己的研究逐渐从非深度学习方法转向深度学习方法。从小数据集延伸到大规模数据集.

三维视觉研究的再度火热一方面归功于三维传感器的快速发展，另一方面也来自于自动驾驶等三维应用场景快速发展衍生的强烈需求！能够处理无序三维点云数据的新算法不断涌现；三维检测，三维分割等问题的精度与效率均在快速提升中.面向传统的三维视觉问题；如运动恢复结构（Sturcture from Motion）。同步定位与地图构建（SLAM）。基于单目图像的三维结构恢复等问题；研究人员也基于深度学习技术提出众多新颖算法；不断突破原有算法的性能瓶颈；

在采访中特别强调了商汤为研究提供的大量计算资源。这是商业公司相比于实验室在基础研究方面的一个重要优势，

本次我作为第一作者发表的论文提出了一种基于强化学习的网络结构自动设计算法.通过「网络块」的设计思想.让搜索空间大大降低；并且使设计的网络具有非常强的可迁移性，同时！我们使用了「提前停止」和分布式架构来加速整个网络结构学习过程。达到了百倍于之前算法的速度（32 块 GPU。3 天的训练）.实验表面。其生成的网络结构在 CIFAR 数据集上达到并且超越人类设计的网络结构的精度！并且结构可以迁移到大规模的 ImageNet 数据上.取得优异的分类性能，

Chao Dong（简称 C），使用多个小型 CNN 专家以协作方式解决困难的真实图像复原任务。

你的研究方向是什么？本次 CVPR 投稿论文在你的研究方向上处于什么位置？

D！我的研究方向集中在视频监控中的行人再识别问题！

C，我的研究方向是底层计算机视觉！包括图像和视频等画质增强.超分率，去噪等！

Z.我会按照题目和方法的创新度来分类，1）提出新问题用老方法解；2）在老问题上提出新方法；3）在别人的已有方法基础上做修改；4）发现新问题提出新方法解决；

D；根据不同方法解决问题的数据模态.我将方法进行了分类.这是因为不同数据类型所包含的信息有各自的特点。因此处理的方式很有很大的不同；不同数据的模态包括.图像数据！视频数据.点云数据；文字数据以及音频数据

你在与同行交流你的这篇工作时被问到最多的问题是什么？

我们在工作中使用了 32 块 GPU，从目前该方向的发展趋势来看.自动设计的网络架构能够在 1-2 年内替代人类的手工设计！

D.为什么在这篇论文中要提出群组相似性的概念而使用 CRF 建模？

C，增强学习的框架是否很难训练，初学者如何上手？

我们的论文网页上提供相应的训练和测试代码，会帮助想学习的人快速起步，掌握要领；

Z.深度学习的可解释性，深度学习火了这么多年还是没有在原理上解释的突破，而且学界也非常想从原理上来指导设计网络结构；

商汤为你的研究带来了哪些帮助？自己有哪些提升和感受？

Z；感谢商汤给我的研究提供了大量的计算资源，没有这些 GPU。这个工作单单在高校实验室是不可能完成的；还有就是和商汤研究院里研究员们的讨论氛围非常浓，容易产生更多的研究想法.

韩国队与瑞典，墨西哥和卫冕冠军德国同组！首轮与瑞典的比赛.就被认定为生死战；结果韩国队0-1告负！出线的希望变得更为渺茫；

第2轮与墨西哥的对决.成为韩国队的背水一战！金英权在赛前接受采访时表示.“墨西哥球员速度.力量俱佳.脚下技术很出色；所以我们在防守中必须同心协力，共同努力打造一个屏障，”

采访的最后，金英权希望球迷继续支持韩国，“我们还活着。我们还有比赛要踢.我们会倾尽全力。也希望球迷继续支持我们！”