作者:十年一夢
轉自:AIZOO
本來來自一位在計算機視覺和AI領域有多年從業(yè)經(jīng)驗的算法負責人——十年一夢——之筆。他總結的CV落地的14點感受,可以說是字字珠璣,特此分享給大家。
本文來自:金興智能已獲得授權轉載
1、 在國內(nèi)安防監(jiān)控市場,經(jīng)過幾家大廠近十幾年的培育,許多客戶、集成商已經(jīng)變得很專業(yè),一般不會受市場宣傳的忽悠;
2、 客戶理解的人工智能產(chǎn)品是通用的,是普遍的,是能100%準確的,但是市場提供的產(chǎn)品確是定制化場景的、有條件使用的,一般還需要用戶配合的產(chǎn)品,所以導致客戶對人工智能有心理落差;
3、 產(chǎn)品說明書中所寫的報警準確率一般都是基于算法仿真的標準,對應的測試集是圖片,而客戶實際應用中測試的標準是基于標準事件的,根本就不是一個評判標準。所以導致會出現(xiàn)這種情況,本來產(chǎn)品說明書中寫的準確率是95%,但是客戶測試了一天,10次報警中出現(xiàn)了3次誤報,準確率才70%,這相差太大了;
4、 深度學習算法的興起,絕對的提升了CV智能算法的精度,但是只是從原來傳統(tǒng)算法75%的精度提升到95%,還是存在5%的錯誤,但客戶的需求永遠是100%,所以這也導致客戶對大家吹的神乎其神的深度學習,產(chǎn)生了很大的失望感;
5、 深度學習算法的興起,對于算法應用工程師行業(yè)來說,拉低了門檻,因為基本上只要會調(diào)參,弄點數(shù)據(jù)隨便一訓練,結果就可以碾壓傳統(tǒng)算法的精度,但是讓深度學習繼續(xù)解決那5%的錯誤,好像除了增加數(shù)據(jù),繼續(xù)調(diào)參,也別無它法;
6、 其實在整個產(chǎn)品的智能算法框架中,深度學習所能解決的也只是其中的一個模塊或者幾個模塊,比如檢測、跟蹤、或者識別,但依然解決不了那5%的錯誤。若想提升,則需要很多邏輯策略、統(tǒng)計迭代、測試驗證,甚至一些屏蔽手段等才能夠繼續(xù)優(yōu)化提升的;
7、 做好一款智能產(chǎn)品,僅僅依靠攝像頭視覺手段來解決,真的很難,也很有局限性,這好比一個人,只靠眼睛是很難做到準確的完成所有事情,所以有必要結合其他傳感器數(shù)據(jù)進行綜合處理,比如雷達、熱成像等等;
8、 在國內(nèi)對于人工智能算法的研發(fā)是落后于國外的,但是對于人工智能算法的應用是領先于國外的,是因為國內(nèi)有巨大的需求市場、人口紅利。最近幾年越來越多的公司進入AI行業(yè),感覺哪一個公司不沾一下AI,都不活不下去。所以在國內(nèi),哪個公司有穩(wěn)定的客源,特別是大客戶,比如中字頭的,則很容易活下去;
9、 在國內(nèi),安防市場基本上被幾家大廠壟斷,后起的獨角獸企業(yè)也開始瓜分蛋糕,有做算法的,有做硬件的,也有做平臺的。整體的感覺就是,大家都很難受,但整體來說,有資本實力的大廠更容易活下去,小廠在細分領域也會分一杯羹,但是什么都想做,什么也做不好的公司,會很快被耗死,除非不差錢;
10、 雖然人工智能在CV領域落地很難,但也不是不行,對于一些小廠來說,我個人感覺就是要聚焦一個方向做深做精,不要貪多,這樣會被耗死;另外就是一定有自己的客戶資源渠道商;
11、 作為算法工程師來說,我是深有感悟的,CV應用領域誰有數(shù)據(jù)誰就會占得先機,有數(shù)據(jù)其實算法就完成70%了;
12、現(xiàn)在國內(nèi)很多與智能沾邊的企業(yè),都開始在“智慧”領域進行布局,但是真正做智能算法開發(fā)、優(yōu)化以及落地的不多,基本上都是集成商角色,搭建一個平臺,集成第三方應用算法,主要依靠的是自己的渠道以及客戶資源的優(yōu);
13、在人工智能領域有落地項目并且開始收獲的企業(yè),多數(shù)開始在硬件資源上開始發(fā)力,比如芯片、邊緣盒子、服務器等,因為光有客戶和軟件還不行,大部分利潤都讓硬件占去了;
14、在實際中落地的項目,所用的智能算法深度學習模型,很多都是針對特定場景下進行持續(xù)迭代訓練的結果,算法工程師都知道這就是過擬合。
一些隨手記錄的口水話想法,希望批評指正,與大家一起繼續(xù)探討。
審核編輯 黃昊宇
-
人工智能
+關注
關注
1787文章
46124瀏覽量
235420 -
計算機視覺
+關注
關注
8文章
1685瀏覽量
45818
發(fā)布評論請先 登錄
相關推薦
評論