第4篇 2012年的「创世爆炸」——CNN如何开启深度视觉革命？

《人工智能AI之计算机视觉：从像素到智能》· 模块一：视觉之门——从经典特征到CNN革命 · 第 4 篇在上一篇，我们一起回顾了那个属于“工匠”的“蛮荒时代”。我们致敬了SIFT与HOG，那些由天才工程师们“手动”设计出来的精妙特征。那是一个充满智慧，但也充满“无奈”的时代。作为一名在IT/SaaS行业摸爬滚打了30多年的从业者，亲身经历过那个“天花板”。2010年左右为一家银行开发票据识别系统，我们动用了当时所有的“军火库”——HOG、SIFT、SURF、SVM……花了数月时间，把几十种手工特征像搭积木一样组合、调参，最终在测试集上达到了一个“还不错”的识别率。但这个系统的“脆弱”只有我们自己知道：换一种打印字体，识别率就可能掉10%。扫描仪的光线暗一点，训练好的模型就“集体失明”。