点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
极市导读
人工智能的迅猛发展和工业界的大量需求是否匹配?新模型新算法天天更新,看似解决了很多问题,但在工业上这些好像并不重要?本文作者将对AI进展是否供过于求给出他的解答。
人工智能的高峰和限制
1. 目前的深度学习还是严重依赖“独立同分布”原则。
2. 芯片算力有限。
3. 深度学习的可解释性不强。
4. 深度学习的可迁移性仍有提高空间。
人工智能的发展和工业界的需求
有一天一个工厂甲方找你,说有一个工艺环节人工成本太高了,看看能不能用人工智能代替。你去实地考察后,发现他们现场工人操作全靠经验,规则十分模糊。经过多次调研后,你终于确定了大致的规则,能够对这一个工艺环节以人工智能的方式抽象后,项目终于立项了。 然后你发现数据的收集特别困难(没有电子记录设备,你得驻场抄数据,且没有历史数据,一抄就要抄好久,不然数据不够模型训不了),收集到的数据标注很脏(因为经验不足,有的时候不得不让现场工人标注,因为基本没法定标注规则,数据很脏)。 千辛万苦收集到数据后,训模型倒是很顺利,找个 resnet/bert 训一下,精度有 95%。然后你兴冲冲的找甲方汇报,甲方说我们这没有带显卡的机器,只有一个老旧的 CPU 服务器,让你把模型部署在上面试试看。得,压缩模型吧。经过大量的调优后,模型在 CPU 服务器上速度够了,但精度只能到 90% 了。 用户看看之后觉得可行,然后又提出新需求了:过段时间项目要汇报了,能不能跟省里的专家讲讲你的算法的原理;90% 精度还是太低了,能不能搞到 100%;我们的工艺可能要变一下,你的模型应该能自适应的吧...
总结
下载1:OpenCV-Contrib扩展模块中文版教程 在「小白学视觉」公众号后台回复:扩展模块中文教程,即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。 下载2:Python视觉实战项目52讲 在「小白学视觉」公众号后台回复:Python视觉实战项目,即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。 下载3:OpenCV实战项目20讲 在「小白学视觉」公众号后台回复:OpenCV实战项目20讲,即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。 交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~