从研究到落地:小米计算机视觉算法实用化探讨

所属专题:计算机视觉

嘉宾 : 黄英 | 小米人工智能部AI实验室视觉组总监

讲师介绍

专题演讲嘉宾:黄英

小米 人工智能部AI实验室视觉组总监

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,包括手机相机、相册、小米电视、小爱音箱、AIOT设备等。

议题介绍

演讲:从研究到落地:小米计算机视觉算法实用化探讨

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。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。


演讲提纲:
1. 背景介绍
2. 视觉算法落地流程
3. 落地案例分享
    3.1  魔法换天
    3.2 人脸检测
    3.3  智能挑片
4. 难点和展望

听众收益:

1. 成熟团队的算法研发流程
2. 从论文算法到落地一般会遇到哪些难点,如何解决
3. 深度学习算法和网络的一些优化经验

听懂我的演讲,需要具备这些知识储备:

图像处理、卷积神经网络(CNN)、图像分割和物体检测

交通指南

© 2019 Baidu - GS(2018)5572号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方
本网站图片存储由七牛云独家支持