如果要细数人工智能的落地场景,相信绝对少不了计算机视觉的身影。无论是图像分类,图像生成还是目标检测,以计算机视觉为代表的人工智能技术已经彻底改变了我们的生活,这当中的计算机视觉工程师自然也成了抢手的人才。那么现如今的大公司到底需要什么样子的CV视觉工程师呢,近日,开课吧《Hello,World公开课》邀请到人工智能实验室研究员、伊利诺伊大学香槟分校机器学习硕士Jerry老师,让他为我们解答这个疑问。

CV大显神通

上个世纪九十年代,现在的AI三巨头之一的Yann LeCun提出了LeNet,这是卷积神经网络的鼻祖,随后技术的进步,又诞生了AlexNet、VGG、ResNet等多个神经网络模型,现在计算机视觉已经在多个领域都取得了不俗的成绩。下面来看看CV是如何影响我们的日常生活的。

图像分类

通过神经网络的训练,你丢进去一张图片就可以让系统识别出是猫还是狗,对于同一类物品,系统可以自动识别,完全不用人工干预。

目标检测

天眼之下,你开车所有的行驶轨迹,包括否有闯红灯,压红线,这些系统模型完全可以自动化分析出来。

图像生成

这是一个很用意思的应用,我们先来猜猜看,下面两张图你能分析出哪个是真实照片,哪个是AI生成的么?

其实这两张照片都是通过生成对抗网络自动生成的,是不是很神奇,有兴趣的朋友可以访问下面这个网站,利用GAN可以随机生成一张世界上不存在的人脸图片

入门计算机视觉

也许有同学会问,CV是不是很难,学习成本很高啊。其实不是的,计算机视觉确实是需要数学和计算机的基础知识,但没有我们想象中的那么难。比如有的同学可能会了解到,学AI要线性代数,微积分,概率论,想想都头大。但如果细究起来你会发现,真正日常用到的也就是一些基础知识,比如概率论中的条件概率,线性代数中的基础矩阵运算。从传统机器学习模型,如回归模型、支持向量机、聚类算法到深度学习中的CNN、RNN、DNN,只要掌握学习路径和方法,大多数人是可以入门的。

大公司眼中的CV工程师

日常的AI算法工程师的工作被戏称为炼丹,由此也可以看出很多很多工程师的日常工作就是调参,所以Jerry老师也特意指出,万剑归宗,如果说只有一条那就是现在企业不要调包侠/调参侠!现在企业需要的是理解模型背后的原理、懂得如何有效获取数据、清楚如何抽象客户需求的人才,除此之外如果大家相对计算机视觉以及CV工程师未来发展有更多的问题,可以点击你生活/工作中的计算机视觉图片观看公开课回放!