CV应用现状与发展前景如何？

在这里插入图片描述

模型训练好后，新增场景case,则需要再次进行模型训练。模型固化。
硬件部署，也固化，不同模型部署在不同硬件有挑战。

在这里插入图片描述

比如，云雾和烟火雾的区别 || 毛肚的异常物质颗粒可以检测出来，然而头发很难检测出来 || 烟叶识别，上部中部下部分辨种类。

算法工程师如何自我修炼？

在这里插入图片描述

Q: 工业界项目落地和真实学校项目落地的区别？
A:

数据量少的情况下，模型如何获得一个好的效果。
项目部署之后会出现bad case 和 corner case，如何解决。
算法模型场景的泛化性的问题。
学校更多是单纯对某个点做的，工业界需要规模化应用。
算法功能的需求会经常变化，比如昼夜变化、距离远近、移动速度很快等等，变化频繁。

Q: 招聘关注人才的能力？
A：落地能力

Q: 科研论文中的算法和工业算法的区别？
A：科研中只是单点性具体的问题，比如目标检测处理小目标问题，实际项目中考虑的点多，不止小目标、多目标、数据不平衡、不同光照的情况等等，考虑问题更多。科研idea大都只是为了解决某一个点，并且为了解决某个点，突出这个性能，实际项目中所有的点都要有比较好的结果。

上一篇：多云加速云原生数仓生态，华为与 HashData 联合打造方案

下一篇：UE4 通过按键切换不同的HUD

人工智能CV应用现状与发展 - 讲座记录

CV应用现状与发展前景如何？

算法工程师如何自我修炼？

相关内容

热门资讯