人工智能在CV领域落地后的一些感受

作者：十年一梦
转自：AIZOO

本来来自一位在计算机视觉和AI领域有多年从业经验的算法负责人——十年一梦——之笔。他总结的CV落地的14点感受，可以说是字字珠玑，特此分享给大家。

本文来自：金兴智能已获得授权转载

1、 在国内安防监控市场，经过几家大厂近十几年的培育，许多客户、集成商已经变得很专业，一般不会受市场宣传的忽悠；

2、 客户理解的人工智能产品是通用的，是普遍的，是能100%准确的，但是市场提供的产品确是定制化场景的、有条件使用的，一般还需要用户配合的产品，所以导致客户对人工智能有心理落差；

3、 产品说明书中所写的报警准确率一般都是基于算法仿真的标准，对应的测试集是图片，而客户实际应用中测试的标准是基于标准事件的，根本就不是一个评判标准。所以导致会出现这种情况，本来产品说明书中写的准确率是95%，但是客户测试了一天，10次报警中出现了3次误报，准确率才70%，这相差太大了；

4、 深度学习算法的兴起，绝对的提升了CV智能算法的精度，但是只是从原来传统算法75%的精度提升到95%，还是存在5%的错误，但客户的需求永远是100%，所以这也导致客户对大家吹的神乎其神的深度学习，产生了很大的失望感；

5、 深度学习算法的兴起，对于算法应用工程师行业来说，拉低了门槛，因为基本上只要会调参，弄点数据随便一训练，结果就可以碾压传统算法的精度，但是让深度学习继续解决那5%的错误，好像除了增加数据，继续调参，也别无它法；

6、 其实在整个产品的智能算法框架中，深度学习所能解决的也只是其中的一个模块或者几个模块，比如检测、跟踪、或者识别，但依然解决不了那5%的错误。若想提升，则需要很多逻辑策略、统计迭代、测试验证，甚至一些屏蔽手段等才能够继续优化提升的；

7、 做好一款智能产品，仅仅依靠摄像头视觉手段来解决，真的很难，也很有局限性，这好比一个人，只靠眼睛是很难做到准确的完成所有事情，所以有必要结合其他传感器数据进行综合处理，比如雷达、热成像等等；

8、 在国内对于人工智能算法的研发是落后于国外的，但是对于人工智能算法的应用是领先于国外的，是因为国内有巨大的需求市场、人口红利。最近几年越来越多的公司进入AI行业，感觉哪一个公司不沾一下AI，都不活不下去。所以在国内，哪个公司有稳定的客源，特别是大客户，比如中字头的，则很容易活下去；

9、 在国内，安防市场基本上被几家大厂垄断，后起的独角兽企业也开始瓜分蛋糕，有做算法的，有做硬件的，也有做平台的。整体的感觉就是，大家都很难受，但整体来说，有资本实力的大厂更容易活下去，小厂在细分领域也会分一杯羹，但是什么都想做，什么也做不好的公司，会很快被耗死，除非不差钱；

10、 虽然人工智能在CV领域落地很难，但也不是不行，对于一些小厂来说，我个人感觉就是要聚焦一个方向做深做精，不要贪多，这样会被耗死；另外就是一定有自己的客户资源渠道商；

11、 作为算法工程师来说，我是深有感悟的，CV应用领域谁有数据谁就会占得先机，有数据其实算法就完成70%了;

12、现在国内很多与智能沾边的企业，都开始在“智慧”领域进行布局，但是真正做智能算法开发、优化以及落地的不多，基本上都是集成商角色，搭建一个平台，集成第三方应用算法，主要依靠的是自己的渠道以及客户资源的优；

13、在人工智能领域有落地项目并且开始收获的企业，多数开始在硬件资源上开始发力，比如芯片、边缘盒子、服务器等，因为光有客户和软件还不行，大部分利润都让硬件占去了；

14、在实际中落地的项目，所用的智能算法深度学习模型，很多都是针对特定场景下进行持续迭代训练的结果，算法工程师都知道这就是过拟合。
一些随手记录的口水话想法，希望批评指正，与大家一起继续探讨。

审核编辑 黄昊宇