看AI产品经理如何介绍“计算机视觉”（基于实战经验和案例）

前言：本文作者@Jasmine ，是我们“AI产品经理大本营”的早期成员之一，也是“AI研习小分队”的分享嘉宾；下面是她分享的第三篇文章，以飨大家。

计算机视觉（Computer Vision），对我来说也算老朋友了，我最开始接触人工智能就是CV相关的知识。最近受益于老大每天带我去旁听算法例会，又加上看了商汤CEO@徐立 的文章《计算机视觉的完整链条，从成像到早期视觉再到识别理解》，发现很多信息，当时不觉得有什么，但现在想想，每一步都是有意义的；

今天，我会根据亲身经历的项目案例和平时所学，从产品实践的角度，谈谈计算机视觉。

1

前言

计算机视觉，是使用计算机及相关设备对生物视觉的一种模拟；它的主要任务，是通过对采集的图片或视频进行处理，以获得相应场景的三维信息。

在徐立的分享中，将计算机视觉的完整链条分为了三部分：成像（Image）、早期视觉（Early Vision）和识别理解（Recognition）；本文将结合实际例子，谈谈AI产品经理在这三部分中可以关注的内容。

2

成像（Image）

成像是模拟相机原理，解决“怎样把拍摄照片的质量进行提升”的问题。

我们在实际工业应用中经常发现，实际数据的质量远远差于实验室数据，甚至在最开始训练模型的时候会发现，实验室模型在实际场景毫无效用。

经过多次试验测试，我们发现影响图像质量的因素大概有以下几类：

1、光照影响

过暗或过亮等非正常光照环境，会对模型的效果产生很大干扰。在解决光照影响这个问题上，可以通过两种方式：

1）从产品角度控制

A）在用户可以更换环境的前提下（比如手机自拍等），可语音/界面提示用户目前环境不理想，建议换一个环境。

B）在用户不能控制更换环境的情况下（比如人脸识别、车辆识别等摄像头固定的场景），只能通过调试硬件设施弥补这个问题。

a）晚上。在工业上，我们碰到过曝或者过暗的情况更多是在晚上。由于摄像头在晚上会自动切换到黑夜场景（从图片上看就是从彩色切换为黑白），因此在晚上强光下（例如车灯照射）图像就会过曝，这时，我们可以通过强制设置摄像头环境为白天（图像为彩色）来避免。而过暗的情况，从节省成本角度看，可以在摄像头旁边增加一个光线发散、功率不高的灯来弥补。当然这两个问题也可以通过购买高质量的摄像头解决，但这样做也意味着更高的成本。

b）白天。白天也会出现光线过亮的情况，这种情况可以考虑用滤光片等等。

2）从算法角度控制

用算法将图片进行处理，可以将图片恢复得让人眼看清的程度。徐立在文中用这样一张图片举例：

这张图片从暗到明，经过算法的处理，我们可以显而易见地观察到整个图片的内容。这个办法非常灵活，但也对公司的算法能力提出了更高的要求。我们知道，每一次算法的过滤时间是非常重要的，如果在对时间要求非常严格的场景（人脸识别、车辆识别），这样在识别之前还要对图片进行转化，无疑是增加了输出结果的时间。技术实力不那么强的公司可能是需要权衡一下的。

2、模糊（Blur）

模糊也是工业中经常遇到且令人十分头痛的问题。这里我们先将模糊分下类：

1）运动模糊：人体移动、车辆移动。

2）对焦模糊：摄像头距离等因素构成，类似近视眼，图像中低频存在，高频缺失。所以需要用算法设法补齐高频部分。

3）低分辨率差值模糊：小图放大等，图像中低频存在，高频缺失。所以需要用算法设法补齐高频部分。

4）混合模糊：多种模糊类型共同存在。

对于模糊，产品上能控制的场景比较少，仅针对于第一种运动模糊且产品和用户有交互的情况下才能做到。其他类型的模糊均需要采用算法进行处理。

我们发现大多数模型（包括Face++等技术领先公司的模型），也会出现大量正常图像被判为模糊。从算法角度讲这可能不是很理想，但从工业角度讲这是可以被接受的，因为被误判为模糊图像的正常图像会被过滤掉（或者经过算法处理后再识别），这对用户来说不会造成使用上的不适；而且我们也能保证阈值以上的图都是正常图片，对模型训练来说也是有利的。所以，产品需要关注的精确率和召回率，在某种特定情况下其实是可以降低要求的。

影响图像质量的因素除了光照、模糊之外，还有噪声、分辨率等等问题，这些问题大多也是从算法和硬件上去优化，值得注意的是我之前提过的，需要考虑到时间和成本的权衡。

3

早期视觉（Early Vision）

Early Vision这部分，其实是我之前没有注意的概念，看了徐立的分享，回头才发现“哦！原来大家当时做的是这个部分的内容！”。

Early Vision主要是做哪些工作呢？主要是图像分割、边缘求取、运动和深度估计。这些内容其实没有直接的结果应用，是一个“中间状态”。

图像分割，是指将特定的影像分割成【区域内部属性一致】而【区域间不一致】的技术，是图像处理中最基础和最重要的领域之一。

图像分割方法有很多种，比如灰度阈值分割的方法、边缘检测法和区域跟踪等方法。很多种类的图像或景物都有相对应的分割方式对其分割，但同时有些分割方法也仅限于某些特殊类型的图像分割。另外，边缘检测，目的是找到图像中亮度变化剧烈的像素点构成的集合，表现出来就是轮廓。

徐立提出了Early Vision目前的两个问题：

1、结果不精确；

2、需要长时间的知识沉淀才能做到；

第一个问题的解决办法是用端到端的方式，第二个问题的解决办法可以依靠数据驱动。

这部分产品介入的比较少吧，平时跟算法同事沟通，听见比较多的反馈是在图像分割上有一些缺陷。就像徐立说的，“怎么样用这种中间的结果去得到更好的应用，至今来说都是一个比较难回答的问题”，因此产品或许可以去考虑早期视觉直接应用的场景。

4

识别理解（Recognition）

识别理解，是把一张（输入）图对应到一张（输出）图，或者说一张（输入）图对应到一个中间结果。简单来说就是把一张图对应到一个文字或标签。

这其中有两个重要的因素：标签、数据。这两个因素广度和精度越高，针对模型最后的识别效果就越好。

1、标签

标签的定义，其实也就是规则的定义；我在上一篇文章《AI产品经理需要了解的数据标注工作入门》里有提过，越精确的标签肯定对模型的结果有利，但同时越精确的标签意味着这类标签下的数据量就会越少，产品也需要考虑到这个因素。还有一些会被主观因素影响的标签定义，比如颜值，每个人对颜值的评价都是不一样的。徐立说，在他们的颜值模型里会分为“漂亮”“不漂亮”两个标签，主要是靠社交网站上的评分和明星与大众的区别来标注。其实我以前也涉及过颜值的模型，在我的模型里对颜值更加细化了：有“好看/普通/丑”。除了根据社交网站打分、明星打分这种方式，我的经验是关注数据的场景类型，很多数据被归为一类都是场景相似的。比如如花，我们觉得丑吧？大多数男扮女的装扮也都会被定义为丑。

另外细分标签会有更多的落地可能性。我印象最深的，是一次“颜值模型”相关的节日运营活动，主题是“扮丑”，办得越丑的人还会有小礼品；这个活动上线后，在友商的用户圈内引起了很高的关注度。当时我接到这个活动的时候，思想其实是被颠覆的，因为我最开始认为颜值模型可能存在的场景主要是去识别美的人，比如在直播等平台中去区分主播的颜值、推荐更优质的主播上首页等等后端的应用，没有想过还能反着用。经过这个活动的启发，后来我们也发现，颜值模型在娱乐性上可以有更多挖掘的可能性。

这样看来，由于我们的模型多了一个标签定义，就多了一种落地的可能性，标签的重要性也就不言而喻了。

2、数据优化

数据的数量和质量对模型来说举足重轻。最近刚接收到的重磅消息：阿法狗的弟弟阿法元没有任何先验知识的前提下，通过完全的自学，打败了由数据训练出来的阿法狗。我相信以后这个技术肯定会越来越多的应用，说不定以后确实在某些领域不利用海量数据也能完成模型训练。但是就目前而言，在计算机视觉领域，数据的大量性是重中之重的。

大家肯定都知道，数据优化可以使模型越来越好。什么类型的功能表现得不好，就要填补那些对应的数据。除了这个常识外，其实数据优化还可以用来解决我们经常在训练过程中出现的问题——过拟合。

什么是过拟合？通常来讲，过拟合是模型把数据学习过深，数据中的细节和噪音也学习进去了，这样就导致模型泛化的性能变差。过拟合的表现是，一个模型（一个假设）在训练集上表现得很好，但是在测试集上表现得不是很好。

那该如何通过数据限制过拟合呢？

1）重新清洗数据。数据的噪音太多会影响到模型效果，清洗数据能够把由于这个因素造成的过拟合问题规避。

2）增加训练集的数据量，如果训练集占总数据的比例太少，也会造成过拟合。

当然也能通过算法限制这个问题的，比如正则化方法和dropout法，以后有机会我们可以再深入讨论。

5

项目实践 （以车型识别为例）

车辆检测系统下，有很多CV相关的应用，比如车型识别、车牌识别、车颜色识别等等。我们从车型识别这一个例子着手，探索项目的具体流程。

1、项目前期准备

1）数据准备

车型这个主题说大不大，说小不小。全世界的车辆品牌数目大约三四百个，每个品牌下面又有几十种车系。我们从0开始立项，至少需要把常见的车辆车系都包含。像大众、丰田、奔驰、宝马、奥迪、现代等等热门车辆品牌更是需要拿全数据。每一种车型至少有车头、车尾、车身三种基础数据。

比如奔驰C200：

这三张图片代表了三种数据，不同场景下这三种数据的重要性大为不同。在项目前期，假设我们定下来识别车型这个需求主要应用场景是“停车场识别车辆”，那车头这个数据相对而言就更加重要，需要花更多心思收集。为什么呢？我们可以想象，停车场的车辆识别摄像头为了捕捉车牌号，一般会将摄像头正对车辆，摄像头传上来的数据很少会有纯侧面车身的数据甚至车尾数据。我们为了项目更快地应用落地，其他类型数据比较缺少的情况是可以暂时放下后期再做优化的。

在数据准备的过程中，首先需要通过爬虫从网上爬取数据，再由人工筛选过滤出可用的数据，将数据统一整合，才能进行下一步工作。

2）文档准备

A）数据标注文档。包括我们项目一共所含多少钟车型、每一种车型分别对应什么样式。数据标注中需要注意的问题，多辆车的图片、角度刁钻的图片是否需要舍弃等等。

B）产品文档。包括落地场景说明、需求说明文档等常规文档。这里以工业车辆识别需求分析下的系统设计为例：

--算法需求描述（识别的种类、范围、速度、准确率、稳定性等等）

--摄像头设备硬件需求描述、环境描述、数据传送描述、摄像头配置描述

--平台程序设计（车辆识别系统平台前后端设计）

--数据关联描述（车辆信息分析统计关联）

如果摄像头在局域网，且有布控功能（识别车辆黑名单的需求）还需要：

--下发程序（考虑云端到本地的图像特征下发）

--点播程序设计（可以从互联网查看本地摄像头）

简单画一下非局域网的系统架构：

2、项目流程跟踪

1）软硬件端：按照常规的软硬件项目跟踪开发

2）算法：车型识别的流程基本如下：

A）车型图像上传：通过摄像头/web上传

B）图像预处理：包含了上文成像部分中的模糊图像恢复处理（运动模糊有快速算法去模糊：通过已知速度V、位移S，确定图像中任意点的值）

C）Early Vision中的图像分割（将目标图像从背景图中标识出来，便于图像识别，可以考虑边缘检测方法）、图像二值化（将图像中的像素点的灰度值设置为0或者255，使用轮廓跟踪让目标轮廓更为凸显）

D）图像特征提取

E）特征比对

3、项目测试

--摄像头测试

--摄像头与点播程序测试

--点播程序（可实时查看摄像头的程序）与平台后台程序测试

--算法与平台后台测试、备用接口测试

--模型识别时间测试

--模型识别准确率、召回率测试

--服务器稳定性测试

--网络带宽限制测试

--正反向测试

--其他平台、硬件产品常规测试

4、项目验收

产品按照流程功能逐一验收。

6

后记

今天，我从产品实践角度梳理了计算机视觉的相关链条，里面可能没太多涉及算法知识，我主要是想通过分享这些个人经历给大家，产生更多产品上的碰撞。当然，在整个流程中还有很多有意思的事，大家可以多了解相关知识，也可以关注我的微信公众号“AI产品的自我修养（AIAIjas）”，我们一起沟通交流：）

注：饭团“AI产品经理大本营” ，是黄钊hanniman建立的、行业内第一个“AI产品经理成长交流社区”，通过每天干货分享、每月线下交流、每季职位内推等方式，帮助大家完成“AI产品经理成长的实操路径”；详情可点击“阅读原文”查看。

赞赏金额，会转给本文原作者

---------------------

作者：黄钊hanniman，图灵机器人-人才战略官，前腾讯产品经理，5年AI实战经验，8年互联网背景，微信公众号/知乎/在行ID“hanniman”，饭团“AI产品经理大本营”，分享人工智能相关原创干货，200页PPT《人工智能产品经理的新起点》被业内广泛好评，下载量1万+。