计算机视觉技术近些年发展迅速，特别是引入深度学习后，成熟的技术方向和可落地场景越来越多。对工程师来说，一个算法项目从建立到实用一般需要经历论文方法调研、数据采集、模型训练、算法优化和实用部署这些流程，而每年数千篇高水平论文的出现为工程师指出了比较明确的技术思路，但论文算法离实用还有比较大的距离，主要体现在效果无法覆盖广泛的场景，且效率很难满足落地要求等。
在即将到来的AICon全球人工智能与机器学习技术大会（北京站）2019上，我们邀请到了小米人工智能部 AI 实验室视觉组总监黄英老师，带来《从研究到落地：小米计算机视觉算法实用化探讨》的相关内容分享。
本演讲从小米公司实际案例出发，如新上线的魔法换天功能等，介绍了如何将核心算法落地实际场景，如何在精度和效率上进行调试优化，确保最终的用户体验。算法实用化过程中总会遇到很多困难点，遇到很多不好解决的 BadCase，效率上的优化也没有止境，这些都欢迎参会工程师一起探讨。
内容大纲
背景介绍
视觉算法落地流程
落地案例分享
难点和展望
听众收益
成熟团队的算法研发流程
从论文算法到落地一般会遇到哪些难点，如何解决
深度学习算法和网络的一些优化经验
嘉宾介绍
黄英，小米公司人工智能部总监。2005 年清华大学电子工程系博士毕业，毕业后先后入职于中星微电子、三星通信研究院、阿里巴巴达摩院，2018 年加入小米公司。从 1999 年加入清华大学智能图文处理实验室开始，黄英一直从事图像处理、人脸识别、智能监控、深度学习等方向的算法研究应用和优化工作，有多项视觉算法在云端、嵌入式、SOC 芯片落地，在如何将算法研究与工程落地方面积累了丰富的经验。曾担任阿里云人脸识别和图像识别方向的技术负责人，现任小米人工智能部 AI 实验室视觉组总监，负责将人脸、画质、图像理解、视频分析、文本分析等多个视觉方向的算法落地于小米的多个产品线。
更多人工智能技术相关案例，欢迎点击AICon北京2019官网查看。
腾讯云云原生提质增效实践精选集 2024
《2024腾讯云云原生提质增效实践精选集》出炉，5大热门技术领域，13个行业精选标杆案例，痛点到解决方案全...
评论