一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

以計算機(jī)視覺為例 告訴你如何將AI引入你的工作

機(jī)器視覺 ? 來源:yxw ? 2019-07-09 09:29 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

對不少企業(yè)來說,如何開始一個 AI 業(yè)務(wù)是一個難題,需不需要 AI 來進(jìn)行業(yè)務(wù)的輔助?是否需要組建一個自己的算法團(tuán)隊?我們整理了格靈深瞳創(chuàng)始團(tuán)隊:苑維然先生的主題演講《如何開始一個 AI 業(yè)務(wù):以計算機(jī)視覺為例》希望能夠給有同樣困擾的讀者一些啟發(fā)與幫助。

下面介紹如何開始一個 AI 業(yè)務(wù),這是一次比較科普的演講,希望通過計算機(jī)視覺的一些案例,能帶給在座的各位 EGO 會員及各行業(yè)的老板一個關(guān)于 AI 和自己的業(yè)務(wù)結(jié)合的直觀的認(rèn)識。

這里我先簡單介紹一下計算機(jī)視覺做的事情是什么,然后再給大家引申一下,在一些業(yè)務(wù)里應(yīng)用這些技術(shù)的可能性。

這個圖是我今天早上臨時加上的,我覺得這樣畫應(yīng)該更容易理解一些。計算機(jī)視覺的任務(wù)就是要對幾種和視覺相關(guān)的媒體做一些信息處理,包括圖片、視頻以及深度視頻。

通過這些媒體我們得到的對象包括人臉、人體、車以及其他,這里其他對象的范圍比較廣泛,比如說寵物、食品、普通物體分類等等,但是它的應(yīng)用范圍應(yīng)該遠(yuǎn)不如前三者。

得到了這些對象的圖像信息之后,我們要做什么任務(wù)呢?總結(jié)一下,比較廣泛應(yīng)用的有兩種任務(wù),一是結(jié)構(gòu)化,二是圖搜。

結(jié)構(gòu)化是指這個對象確切可描述的信息。比如一張人臉圖片的結(jié)構(gòu)化信息包括人的性別、年齡、表情類別,以及戴不戴眼鏡、口罩、帽子等信息;人體的結(jié)構(gòu)化包括人的上身下身的衣著特點等;車輛的結(jié)構(gòu)化信息就比較多了,基本的有車牌、車型、年款、顏色等,另外有一些可以描述的特征信息,比如車窗內(nèi)掛件、擺件,甚至是否有劃痕等等,這些特征描述對于區(qū)分一些很像的車是非常有用的。

然后是圖搜,圖搜的信息基礎(chǔ)是沒有結(jié)構(gòu)化描述的,計算得到的是一個特征。我們常談到的人臉識別就是典型的圖搜應(yīng)用,最典型的 1:N 人臉?biāo)阉骶褪且砸粡埬標(biāo)褕D庫里的臉,得到和它距離很近的一些臉。人體和車也是一樣,只不過人體和車輛的特征維度相對于人臉來講少一些,這決定了人臉?biāo)阉骺梢栽谝粋€更大的庫中發(fā)生,人體和車輛只能在相對小的庫中搜索。

對于結(jié)構(gòu)化和圖搜這兩種任務(wù)來講,圖搜具有更廣泛的應(yīng)用場景,為什么呢?得到結(jié)構(gòu)化信息之后,通常是作為數(shù)據(jù)庫索引進(jìn)行搜索,但是具體應(yīng)用中很難單純依賴結(jié)構(gòu)化信息得到想找的對象。比如要找一個人,很難通過具體描述這個人是長頭發(fā)、有胡須、戴眼鏡或者其他可描述的細(xì)節(jié)直接找到這個人,但是如果提供一張這個人的照片,就可以在人臉庫里很好地搜索到。車也是一樣,我們通常通過車牌來搜索一個車,但是在真正的應(yīng)用場景里,這是不一定生效的。比如一些犯罪分子在辦案時往往會把車牌隱藏掉,或者干脆用一個假車牌,這時候就需要用車的特征來搜索,這樣的場景下技術(shù)帶來了真正可用的價值。

這張圖再往后,是計算的平臺或載體。

首先是云服務(wù)的應(yīng)用,這在公安這類機(jī)密客戶那里是遠(yuǎn)遠(yuǎn)落后于商業(yè)及個人用戶的。我們?nèi)ツ杲?jīng)常做這樣的事情,就是把一堆服務(wù)器搬到用戶的機(jī)房里,比如警方或者交管局,我們留下專人運維這個機(jī)房里的服務(wù)器,我們連接客戶的視頻流,利用 CPUGPU 去計算前面所所說的東西,然后把結(jié)果在它的客戶端體現(xiàn)出來,或者是推送到客戶的平臺中。

但從今年開始我們有一些新的東西受到了老客戶的青睞,對于類似于公安或交通這樣的傳統(tǒng)用戶,他們竟然也或多或少的接受云端的方案,這在以往是不可想象的,因為他們的技術(shù)和數(shù)據(jù)是非常機(jī)密的。但是現(xiàn)在一些云服務(wù)提供商針對公安、銀行這些具體的業(yè)務(wù)做了大量專用網(wǎng)絡(luò)和安全上的優(yōu)化工作,使得這個事可以發(fā)生。

另一方面就是越來越多地使用了 EDGE 端的計算,端到端(EDGE 端到 CLOUD 端)已經(jīng)不再是什么秘密,一個很直接的結(jié)果就是降低了成本、提高了密度、以及廣泛的智能化。舉個例子,原來的 IPC(網(wǎng)絡(luò)攝像機(jī))都是傳視頻到后端去處理,現(xiàn)在很多專門的車輛及人臉抓拍攝像機(jī)可以在終端設(shè)備上把我們關(guān)注的對象抓拍成圖片,再把圖片傳到后端去處理,一方面是節(jié)省帶寬,原來一個 Gb 的帶寬只能傳輸幾十路視頻,現(xiàn)在只傳輸抓拍圖片可以做到萬路,更令人激動的是,假如抓拍設(shè)備部署在普通的超市、飯店這樣的街頭小店里,使用非常便宜和普通的家用帶寬就可以滿足要求。另外一個好處是后端服務(wù)器的計算成本極大降低,可能降低兩個數(shù)量級這樣的程度。兩個數(shù)量級大家可以想象是什么樣的情況,我們可以把一個應(yīng)用做到非常便宜,可以從原來 2G 的業(yè)務(wù)逐漸做到 2B 的業(yè)務(wù),再逐漸做到 2C 的業(yè)務(wù)。目前零售行業(yè)以及一些智能辦公行業(yè)已經(jīng)在嘗試這樣的業(yè)務(wù)方式,總結(jié)一下,就是我經(jīng)常在公司和客戶那里說的三個詞:低成本、高密度、智能化。這是從業(yè)務(wù)上來分析計算機(jī)視覺的一些情況。

這里邊有幾個事情我需要說明一下。第一個是深度視頻,深度視頻相關(guān)的產(chǎn)品我們在四年前就開始做,我不否認(rèn)它的科技范兒,以及在一些場景里它不可替代的作用,但是到現(xiàn)在為止還是一個成本比較高的產(chǎn)品,所以它大都應(yīng)用在類似于銀行加鈔、金庫、監(jiān)獄等支付能力非常強(qiáng)的客戶。深度視頻的作用顯而易見,通過深度數(shù)據(jù),它很容易能夠計算出人的肢體行為、行動、人和環(huán)境關(guān)系等信息,而普通二維數(shù)據(jù)很難做到。這個產(chǎn)品目前還不具備廣泛場景的擴(kuò)展性,但是隨著傳感器技術(shù)的提高,事實上我們已經(jīng)看到一些這方面的成果,它也會滿足前邊提到的低成本、高密度、智能化的原則。

另一個要說明的是視頻,這就是剛才講的,逐漸會把后端視頻的處理轉(zhuǎn)移為前端抓拍之后在后端對圖片的處理,這樣降低了兩個數(shù)量級的成本之后,最大范圍地進(jìn)行業(yè)務(wù)的推廣。大家可能很奇怪,之前 GPU 的勢頭很猛,NVidia 的股價在一年時間里飆升了三倍不止。但是我想說的是 NVidia 工業(yè)級別的顯卡價格和 CPU 這樣的市場相比是小眾和暴利的。CPU 是個 2C 的市場,GPU 也有 2C 的市場,但是工業(yè)級別的 GPU 顯卡,它的市場價格是普通顯卡的幾倍。之所以能維持高價,是因為之前少有替代品,然而我們今天看來它的優(yōu)勢越來越小。

一方面,現(xiàn)在有很多算法上的進(jìn)展告訴我們,同樣的算法在 CPU 上也可以高度的優(yōu)化,它的成本和在 GPU 上可以媲美。而結(jié)合 CPU 服務(wù)器的穩(wěn)定性和靈活性,比如分鐘級別的彈性調(diào)度,它的實際成本還有一個數(shù)量級的優(yōu)化空間。

另一方面,它的競爭對手還包括 ARM、FPGA、 Google 的 TPU 芯片等這些日益成熟的專有計算芯片。這樣的結(jié)果告訴我們,我們以前好像做錯了,我們建立了大量的 GPU 集群,某個友商甚至利用它上一輪融資的千萬美金建立了一個幾千塊 GPU 的私有計算集群。但是大家往后看,這可能不是特別值得,我感覺一兩年內(nèi)就會發(fā)生的是,首先 GPU 的價格會降低到非常親民,專有計算芯片無論在服務(wù)器端還是在輕量級設(shè)備端都普及。

這個圖是一個人臉系統(tǒng)的業(yè)務(wù)模型,左邊是終端設(shè)備,是我們系統(tǒng)的數(shù)據(jù)源,基本都是抓拍設(shè)備,包括我們自己造的人臉抓拍機(jī),以及我們自己造的人眼相機(jī)。人眼相機(jī)是可以應(yīng)用于大廣場、大范圍的人臉抓拍機(jī)。另外還有抓拍服務(wù)器,對接普通的 IPC,通過這個抓拍服務(wù)器可以把普通的 IPC 變成抓拍機(jī)一樣的形態(tài)來對接系統(tǒng)。中間系統(tǒng)上下兩個藍(lán)色的數(shù)據(jù)流,下面的數(shù)據(jù)流是實時業(yè)務(wù)流,上面是像黑白名單入庫之類的離線業(yè)務(wù)流。視頻數(shù)據(jù)由抓拍設(shè)備轉(zhuǎn)換成圖片之后會經(jīng)過人臉引擎進(jìn)行處理,這個大規(guī)模的引擎包括人臉檢測、特征提取和結(jié)構(gòu)化,對于車的數(shù)據(jù)也類似地會有相應(yīng)的車輛檢測和結(jié)構(gòu)化,然后經(jīng)過存儲、比對引擎和消息隊列,形成我們的一套系統(tǒng),后面對接應(yīng)用的 API 池。上面還有一個從數(shù)據(jù)庫對接出的離線數(shù)據(jù)分析和實時數(shù)據(jù)分析系統(tǒng),它結(jié)合其他平臺的業(yè)務(wù)數(shù)據(jù),對結(jié)構(gòu)化數(shù)據(jù)和比對結(jié)果進(jìn)行大數(shù)據(jù)分析,并匯集到一個多維查詢系統(tǒng)。

每個行業(yè)都有它自己不好做的地方,AI 這個細(xì)分行業(yè)里最大的特點就是數(shù)據(jù)依賴。大家可能都知道 AI 算法基本上都是以基于學(xué)習(xí)的算法為主,簡單的講就是通過大量的數(shù)據(jù)標(biāo)注之后(Data),對一個網(wǎng)絡(luò)(Network)的參數(shù)進(jìn)行迭代優(yōu)化得到一個模型(Model),業(yè)務(wù)層通過這個 Model 進(jìn)行推理計算。我這個題目叫“如何開始一個 AI 業(yè)務(wù)”,當(dāng)你在自己的業(yè)務(wù)上考慮這個問題的時候,你要用 AI 解決什么問題,首先要問自己數(shù)據(jù)夠不夠,第一是量夠不夠,第二是質(zhì)量夠不夠,第三是數(shù)據(jù)的多樣性夠不夠,量和質(zhì)量比較好理解,下面講一下多樣性的問題,也就是跨域數(shù)據(jù)的難題。

多樣性

以人臉識別這個業(yè)務(wù)為例,有一些公共的人臉平臺,可以輸入一張照片和一個庫,它會給出識別結(jié)果。但是據(jù)我了解,這些通用的人臉平臺在具體業(yè)務(wù)上表現(xiàn)并令人滿意。我是非常理解他們的,為什么幾個友商都說自己是人臉識別第一的平臺,但是在具體應(yīng)用時表現(xiàn)不好呢,答案是它的數(shù)據(jù)并沒有符合你使用的域。

舉個例子,一個做婚戀網(wǎng)站,它數(shù)據(jù)庫里的照片都是經(jīng)過化裝打扮的;一個社交網(wǎng)站,它的人臉頭像數(shù)據(jù)都是個性搞怪的;而我們的身份證照片,則是普通素顏的。這幾個領(lǐng)域里的數(shù)據(jù),領(lǐng)域內(nèi)是非常好用的,但是它們相互之間的交叉聯(lián)系,無論從數(shù)據(jù)獲取、標(biāo)注還是得到最終應(yīng)用結(jié)果,都是非常困難的。我們之前在某個邊疆省份做了一個業(yè)務(wù),模式很簡單,就是用人臉識別跑一個黑名單,黑名單里包括公安關(guān)注的危險分子,這個名單非常大,大概有幾十萬。在最開始實施現(xiàn)場測試的時候,我們發(fā)現(xiàn)結(jié)果非常不好,準(zhǔn)確度并沒有達(dá)到我們的期望。后來我們發(fā)現(xiàn)這個省的大多是少數(shù)民族,他們的臉跟漢族人特征差異很大,而跟西亞人或者是俄羅斯人種是更像的,而我們那時候的人臉模型,還是以漢族人為主要的樣本訓(xùn)練得到的,所以帶來了很大的困難,其根本原因還是樣本數(shù)據(jù)量不足造成的。所以在我們把現(xiàn)場數(shù)據(jù)標(biāo)注和重新訓(xùn)練作為項目本身的過程,很快就達(dá)到了我們期望的準(zhǔn)確度。

只有深入理解應(yīng)用數(shù)據(jù)的域,才能夠得到期望的效果。另外一種情況是希望有跨域數(shù)據(jù)的應(yīng)用,比如證件照和各種現(xiàn)場抓拍照的跨域,就必須專門針對跨域的問題進(jìn)行交叉的標(biāo)注和訓(xùn)練,才能得到好的結(jié)果??缬虻某杀就Q于數(shù)據(jù)的來源,比如刷身份證并抓拍人臉的門禁,就可以很好的把證件照和抓拍照聯(lián)系起來。

另外一個與數(shù)據(jù)相關(guān)的就是如何在業(yè)務(wù)中結(jié)合標(biāo)注。所謂標(biāo)注,大家可以理解為人工智能里的“人工”。一個已經(jīng)使用舊數(shù)據(jù)訓(xùn)練好的模型在你的領(lǐng)域里可能不一定適用,必須把標(biāo)注的任務(wù)融入到業(yè)務(wù)里,讓它成為業(yè)務(wù)的常態(tài)。做電商一定會有個呼叫中心,做 AI 也一定會有個標(biāo)注中心支撐我們的業(yè)務(wù),他們就會根據(jù)我們?nèi)蝿?wù)的指標(biāo)去完成標(biāo)注的任務(wù)。經(jīng)過標(biāo)注中心標(biāo)注之后,AI 模型的效果會逐漸變好。所以當(dāng)你考慮這樣的業(yè)務(wù)一定要同時考慮相關(guān)的人工成本,如果領(lǐng)域不變的話,成本可能會逐漸降低,需要標(biāo)注的數(shù)據(jù)會逐漸變少,但是可能不會消失,因為時過境遷,總會有些變化的東西。

ID,ID,ID,重要的事情說三遍,在 AI 業(yè)務(wù)里,我們認(rèn)為能得到的最有價值的信息就是 ID。我把它分成了幾種層次:

第一種就是類似于身份證這樣的 ID,它不一定是身份證,但一定是長效、唯一的 ID,這是最有價值的,就像你在網(wǎng)上做什么事都有記錄一樣,如果我有這個 ID,而以后你在現(xiàn)實中做什么事也都有紀(jì)錄,這是很可怕的事情。

第二種就是長 ID,長 ID 是跨域的,跨時間、跨地點、跨來源,長 ID 并不能知道你是張三還是李四,但是它知道這個 ID 之前所有的活動。我們把能夠拼接形成長 ID 的計算過程叫 ReID,就是你很多活動我們通過算法把它們連接在一起了。

在商場里,當(dāng)你進(jìn)入的時候,如果獲得了你得長 ID,系統(tǒng)雖然不知道你是誰,但是能瞬間調(diào)出你之前進(jìn)入商店的行為,包括你在哪個柜臺前逗留時間長,你的動線軌跡,甚至可以綁定了你的結(jié)帳信息,知道你購買的記錄。對于商店的應(yīng)用來講,這些數(shù)據(jù)已經(jīng)足夠了,這樣的一個長 ID 獲取成本低而且規(guī)避了侵犯隱私風(fēng)險,一個商場顯然不可能對你的身份信息進(jìn)行核實,但是它有這樣的長 ID,就有足夠的想象空間做出一些營銷上的優(yōu)化。短 ID,就是一個在時空上局部的 ID。ID 的價值從上到下是遞減的,當(dāng)然獲取成本也是越來越小。ID 的密度和分布也是非常重要的,就像網(wǎng)站的瀏覽記錄,得到的 ID 密度越高,對用戶行為了解得更透徹,這里有很多細(xì)節(jié)。包括我是只得到你在這的活動,還是說得到你非常大范圍的活動。這些就是我對 ID 的一個分類定義。

這里總結(jié)了一下以人臉識別或者車輛識別技術(shù)為基礎(chǔ)的應(yīng)用,本質(zhì)上是 ID 的關(guān)系。所有我們需要得到的結(jié)果都是這幾個 ID 的關(guān)系,車輛、模糊的車輛、清晰的車輛、人臉、人體、手機(jī),或者沒有寫進(jìn)來的其他的東西。

在應(yīng)用里,我們希望它們之間都有 ID 對應(yīng),同一類對象,比如人臉和人臉之間,進(jìn)行比對之后,就知道兩個人臉是不是同一個人的概率,如果是同一個人,再把兩個 ID 合并,其他的也是一樣。但是當(dāng)我關(guān)注下面這樣的事的時候,就不一樣了。一個人開了車,然后從這個車上下來,這個時候,我作為一個人很容易知道這個車是他的車,他是司機(jī)也好,他是副駕駛也好,這個關(guān)系我知道,但是人工智能很難處理這樣的事情,它需要通過一些邏輯上的分析以及一些模糊的匹配去得到這樣的關(guān)系。

比如圖中橫向的,車輛和人臉之間的關(guān)系,模糊車輛和清晰車輛之間的關(guān)系,模糊車輛就是看不清楚車牌,但是大概能看清這個車,清晰車輛就是車牌能看得更清楚一些。我們會通過一些模糊匹配的方式以及時空關(guān)系等方式把它們匹配起來。包括人臉和人體也是一樣,能看清這張臉,但是當(dāng)其他任何拍這個人拍得比較小的時候,這張臉看不清楚了,我怎么知道這個人還是你,這也是一個要打通的關(guān)系。人體和手機(jī)更是這樣。當(dāng)我們把橫向和縱向的關(guān)系都打通, ID 全部的關(guān)系就通了?,F(xiàn)在我的圖中打問號的這幾個地方,實際上是目前做得并不好的地方,這也是人工智能相關(guān)的應(yīng)用在近幾年要特別加強(qiáng),也是最有機(jī)會的地方。

你的業(yè)務(wù)需要 AI/CV 嗎?

我接受過很多的公司來向我們咨詢方案,想要他們的業(yè)務(wù)里獲得 AI 的能力,用來幫助他們的業(yè)務(wù)進(jìn)行優(yōu)化和轉(zhuǎn)型。在實際項目中我也接觸了幾個行業(yè),我們也做了一些產(chǎn)品去應(yīng)用于不同行業(yè)。

圖中列的幾個行業(yè)有這樣的一些關(guān)系,首先從公安業(yè)務(wù)說起,它的特點就是 2G,主要的業(yè)務(wù)目標(biāo)是公安稽查、布控,就是剛才講的動態(tài)黑名單布控、靜態(tài)圖幀這樣的一些業(yè)務(wù),這個業(yè)務(wù)做了幾年。說實話,這是我們的衣食父母,到現(xiàn)在公安業(yè)務(wù)也是整個人工智能行業(yè)最現(xiàn)實的一個業(yè)務(wù)方向。以公安業(yè)務(wù)的技術(shù)、產(chǎn)品為基礎(chǔ),我們發(fā)現(xiàn)可以做很多新的東西,比如說智能辦公,樓宇和室內(nèi)顯然比公共場所的業(yè)務(wù)量級要大,但這是一個 2B 的業(yè)務(wù),之前是不好做的,因為成本太高。

大家也看到很多樓宇物業(yè)已經(jīng)應(yīng)用了包括人臉門禁,它不是一個新鮮的事物,刷臉然后進(jìn)門或者拍一個證件對臉進(jìn)行驗證之后就可以進(jìn)去了,證明你的人和證件是同一個。但是智能辦公的要求是不一樣的,它的要求是不只在門口要有這樣的設(shè)備,在公司的各個角落里都要有,包括休閑區(qū)、工作區(qū),甚至車口、門口等等,這作用是什么呢?作用就是把辦公區(qū)里人的行為數(shù)據(jù)化,當(dāng)然能做到這點的前提就是成本降低了。包括收費業(yè)務(wù),有些朋友應(yīng)該發(fā)現(xiàn)廣東這邊已經(jīng)有了,就是當(dāng)你進(jìn)入高速路口時,可以刷支付寶進(jìn)行收費,不用去 ETC,也不用去交現(xiàn)金。很快它可能做到連手機(jī)的支付寶也不用刷了,它看到你的車牌,并且看到你的臉,把車牌和你的臉進(jìn)行驗證之后,你就直接可以開車通過了。當(dāng)然之前你要通過支付寶去存一些錢,或者綁定支付寶在相應(yīng)的帳戶里,這樣就會得到一個更快捷的通過方法。后面還有幾個這樣的業(yè)務(wù)目標(biāo),不擴(kuò)展講了。我覺得蠻有意思的,通過一種技術(shù)從高大上而專業(yè)(圖左邊)到走向非常便宜而廣泛(圖右邊)的這一路上,有非常多的機(jī)會。實際上正是這樣的轉(zhuǎn)變,才能讓一個技術(shù)真正落地,實現(xiàn)它的價值。

你的業(yè)務(wù)需要一個算法團(tuán)隊嗎?

這個問題好多人問的,就是當(dāng)你的公司想做一些 AI 相關(guān)的業(yè)務(wù),你需不需要自己養(yǎng)一個算法團(tuán)隊。這沒有直接的答案,得具體問題具體分析,需要看是哪些方面的業(yè)務(wù)。

首先你的業(yè)務(wù)從 AI 的層面上來講,是不是一個通用的類型。比如說你希望像美圖秀秀拍一個人臉之后進(jìn)行美化,這個就有有可能不需要自己的 AI 團(tuán)隊,百度騰訊谷歌微軟這樣一些提供基礎(chǔ) AI 服務(wù)的公共資源以及像“一桶筐湯”這樣的公司提供的方案,都可以是你的選擇。但是當(dāng)你遇到一些業(yè)務(wù)別人并沒有涉及過的或者你的領(lǐng)域數(shù)據(jù)很獨特時,可能就得養(yǎng)一個算法團(tuán)隊了。但是需要更正一下,確切的說是算法“工程”團(tuán)隊。算法團(tuán)隊是更基礎(chǔ)的層面,但算法工程團(tuán)隊實際上是把現(xiàn)成的算法進(jìn)行實踐和工程化的團(tuán)隊,這是非常必要的。

做一個 AI 的業(yè)務(wù)在研發(fā)團(tuán)隊里需要有這樣一些角色,算法團(tuán)隊、軟件團(tuán)隊、設(shè)備團(tuán)隊,更包括運營和售前。這些團(tuán)隊角色之間的關(guān)系,我簡單講一下。比如說算法團(tuán)隊和軟件團(tuán)隊之間的關(guān)系,看起來很自然,算法團(tuán)隊提供算法,給軟件團(tuán)隊來包裝成產(chǎn)品。但實際上并不是這么直接,算法的結(jié)果一定是循序漸進(jìn)的,開始得到的結(jié)果肯定不好。軟件團(tuán)隊提供給用戶的價值,是通過算法體現(xiàn)出來,但是算法還不夠好的過程中,軟件要當(dāng)好一個背鍋俠的角色,它需要通過各種手段來進(jìn)行補(bǔ)助。算法不是萬能的,軟件在合適的時候巧妙的使用算法,才能實現(xiàn)算法最大的價值,不能美玉當(dāng)磚。這些團(tuán)隊里,有不少故事可以講,有機(jī)會我專門整理。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • AI
    AI
    +關(guān)注

    關(guān)注

    88

    文章

    35164

    瀏覽量

    280069
  • 計算機(jī)視覺
    +關(guān)注

    關(guān)注

    9

    文章

    1709

    瀏覽量

    46782
  • 云服務(wù)
    +關(guān)注

    關(guān)注

    0

    文章

    855

    瀏覽量

    39714

原文標(biāo)題:以計算機(jī)視覺為例,告訴你如何將AI引入你的工作

文章出處:【微信號:www_51qudong_com,微信公眾號:機(jī)器視覺】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    一文帶你了解工業(yè)計算機(jī)尺寸

    工業(yè)計算機(jī)是現(xiàn)代自動化、人工智能(AI)和邊緣計算的支柱。這些堅固耐用的系統(tǒng)旨在承受惡劣的環(huán)境,同時關(guān)鍵應(yīng)用提供可靠的性能。然而,由于有這么多可用的外形尺寸,
    的頭像 發(fā)表于 04-24 13:35 ?302次閱讀
    一文帶你了解工業(yè)<b class='flag-5'>計算機(jī)</b>尺寸

    NVIDIA 宣布推出 DGX Spark 個人 AI 計算機(jī)

    臺式超級計算機(jī)由 NVIDIA Grace Blackwell 驅(qū)動,開發(fā)者、研究人員和數(shù)據(jù)科學(xué)家提供加速 AI 功能;系統(tǒng)由頭部計算機(jī)制造商(包括華碩、Dell Technolog
    發(fā)表于 03-19 09:59 ?317次閱讀
       NVIDIA 宣布推出 DGX Spark 個人 <b class='flag-5'>AI</b> <b class='flag-5'>計算機(jī)</b>

    英飛凌邊緣AI平臺通過Ultralytics YOLO模型增加對計算機(jī)視覺的支持

    計算機(jī)視覺的支持,擴(kuò)大了當(dāng)前對音頻、雷達(dá)和其他時間序列信號數(shù)據(jù)的支持范圍。在增加這項支持后,該平臺將能夠用于開發(fā)低功耗、低內(nèi)存的邊緣AI視覺模型。這將給諸多應(yīng)用領(lǐng)域的機(jī)器學(xué)習(xí)開發(fā)人員
    的頭像 發(fā)表于 03-11 15:11 ?392次閱讀
    英飛凌邊緣<b class='flag-5'>AI</b>平臺通過Ultralytics YOLO模型增加對<b class='flag-5'>計算機(jī)</b><b class='flag-5'>視覺</b>的支持

    Arm KleidiCV與OpenCV集成助力移動端計算機(jī)視覺性能優(yōu)化

    生成式及多模態(tài)人工智能 (AI) 工作負(fù)載的廣泛增長,推動了對計算機(jī)視覺 (CV) 技術(shù)日益高漲的需求。此類技術(shù)能夠解釋并分析源自現(xiàn)實世界的視覺
    的頭像 發(fā)表于 02-24 10:15 ?570次閱讀

    云端超級計算機(jī)使用教程

    云端超級計算機(jī)是一種基于云計算的高性能計算服務(wù),它將大量計算資源和存儲資源集中在一起,通過網(wǎng)絡(luò)向用戶提供按需的計算服務(wù)。下面,
    的頭像 發(fā)表于 12-17 10:19 ?553次閱讀

    量子計算機(jī)與普通計算機(jī)工作原理的區(qū)別

    超越世界上最強(qiáng)大的超級計算機(jī),完成以前不可想象的任務(wù)!這意味著量子計算機(jī)可能會徹底改變我們的生活。 在本文中,我們先了解普通計算機(jī)工作
    的頭像 發(fā)表于 11-24 11:00 ?1499次閱讀
    量子<b class='flag-5'>計算機(jī)</b>與普通<b class='flag-5'>計算機(jī)工作</b>原理的區(qū)別

    【小白入門必看】一文讀懂深度學(xué)習(xí)計算機(jī)視覺技術(shù)及學(xué)習(xí)路線

    一、什么是計算機(jī)視覺計算機(jī)視覺,其實就是教機(jī)器怎么像我們?nèi)艘粯?,用攝像頭看看周圍的世界,然后理解它。比如說,它能認(rèn)出這是個蘋果,或者那邊有輛車。除此之外,還能把拍到的照片或者視頻轉(zhuǎn)換
    的頭像 發(fā)表于 10-31 17:00 ?1247次閱讀
    【小白入門必看】一文讀懂深度學(xué)習(xí)<b class='flag-5'>計算機(jī)</b><b class='flag-5'>視覺</b>技術(shù)及學(xué)習(xí)路線

    丹麥推出首臺AI超級計算機(jī)Gefion

    近日,丹麥正式推出了該國首臺人工智能超級計算機(jī),命名為Gefion,紀(jì)念丹麥神話中的女神。此次揭幕儀式由英偉達(dá)首席執(zhí)行官黃仁勛與丹麥國王共同出席,彰顯了該項目的重要性和影響力。 Gefion AI
    的頭像 發(fā)表于 10-29 15:13 ?813次閱讀

    NVIDIA助力丹麥發(fā)布首臺AI超級計算機(jī)

    這臺丹麥最大的超級計算機(jī)由該國政府與丹麥 AI 創(chuàng)新中心共同建設(shè),是一臺 NVIDIA DGX SuperPOD 超級計算機(jī)。
    的頭像 發(fā)表于 10-27 09:42 ?906次閱讀

    計算機(jī)存儲系統(tǒng)的工作原理和功能

    計算機(jī)存儲系統(tǒng)作為計算機(jī)系統(tǒng)中至關(guān)重要的組成部分,其原理和功能對于理解計算機(jī)的運行機(jī)制具有關(guān)鍵意義。以下詳細(xì)闡述計算機(jī)存儲系統(tǒng)的原理和功能
    的頭像 發(fā)表于 09-26 16:42 ?2965次閱讀

    初創(chuàng)公司SEA.AI利用NVIDIA邊緣AI計算機(jī)視覺技術(shù)變革航海安全系統(tǒng)

    總部位于奧地利林茨的初創(chuàng)公司正在利用 NVIDIA 邊緣 AI計算機(jī)視覺技術(shù)變革航海安全系統(tǒng),讓每一次出海變得更安全。
    的頭像 發(fā)表于 09-09 09:32 ?922次閱讀

    簡述計算機(jī)總線的分類

    計算機(jī)總線作為計算機(jī)系統(tǒng)中連接各個功能部件的公共通信干線,其結(jié)構(gòu)和分類對于理解計算機(jī)硬件系統(tǒng)的工作原理至關(guān)重要。以下是對計算機(jī)總線結(jié)構(gòu)和分類
    的頭像 發(fā)表于 08-26 16:23 ?5186次閱讀

    微處理器如何控制計算機(jī)系統(tǒng)

    微處理器,作為計算機(jī)系統(tǒng)的核心部件,承擔(dān)著控制整個計算機(jī)系統(tǒng)運行的重要任務(wù)。它不僅是計算機(jī)的運算中心,還是控制中心,負(fù)責(zé)執(zhí)行程序指令、處理數(shù)據(jù)以及協(xié)調(diào)計算機(jī)各部件之間的
    的頭像 發(fā)表于 08-22 14:21 ?986次閱讀

    計算機(jī)視覺有哪些優(yōu)缺點

    計算機(jī)視覺作為人工智能領(lǐng)域的一個重要分支,旨在使計算機(jī)能夠像人類一樣理解和解釋圖像和視頻中的信息。這一技術(shù)的發(fā)展不僅推動了多個行業(yè)的變革,也帶來了諸多優(yōu)勢,但同時也伴隨著一些挑戰(zhàn)和局限性。以下是對
    的頭像 發(fā)表于 08-14 09:49 ?2053次閱讀

    計算機(jī)視覺技術(shù)的AI算法模型

    計算機(jī)視覺技術(shù)作為人工智能領(lǐng)域的一個重要分支,旨在使計算機(jī)能夠像人類一樣理解和解釋圖像及視頻中的信息。為了實現(xiàn)這一目標(biāo),計算機(jī)視覺技術(shù)依賴于
    的頭像 發(fā)表于 07-24 12:46 ?1817次閱讀