标签：未来 课程 一句话 一起 保存 amp 变化 准确率 针对性
https://mp.weixin.qq.com/s/wEvPLRTEcTdLbgBVnWwskQBy 超神经
场景描述：创新工场举办的 DeeCamp 2019 活动中，600 位学员用几周的时间，在企业团队的指导下，完成了多个领域不同项目的探索，最终递交了 50 个 AI Demo，得到了专家评委的认可。这些项目中，我们挑出了四个最有意思的。
关键词：DeeCamp 2019 项目展示 人才培养600 名来自全国各地不同学校的同学，完成了「学术+产业」的课程培训，从概念诞生到产品成型的快速 AI 落地。
甚至这些同学中，在开营前有些还没有接触过生产环境的学习，通过短短一周的学习课，和三周的实践课，他们最终都交出了满意的成绩单。
DeeCamp 2019 学员风采
创新工场 CTO 王咏刚评价到，如果只考虑技术和产品，学员们作出的成果里，有将近 20% 的项目都达到了投资标准。
在结营仪式课题成果展示环节，26 组基于图像分割的国土分类组，第一个进行了演示。配合恢弘的音乐背景，他们介绍了国土分类的一些基本情况，并展示了他们所作出的探索。
国土分类是土地确权中最基本的一项工作，实现精确的分割和归类是必要的任务，但常规的方法中，依赖大量专家对遥感图像进行解译，需要大量的人力和时间。
在这样的背景下，小组进行了《基于图像分割对卫星遥感图像进行国土分类》的课题，由 OpenBayes 公司提供技术指导以及算力和数据集支持。
他们借助高清的遥感图像，采用语义分割的方法，完成对图像中土地和水体的分割。
在实际实践中，基于 Deeplab V3+ 网络结构设计了不同的优化策略，并采用混合精度模型加速，最终在耕地和水体的分割任务上，分别达到 94.2% 和 98.5% 的精度。
团队用到的技术细节展示
值得一提的是，他们还将自己做的模型，在一项公开竞赛上收获了大奖。在遥感图像细数表征与智能分析竞赛的变化检测赛道，取得了初赛第一名的成绩。
而且，这个项目还有很大的可扩展性，可进一步应用在更细粒度的分类，如湖泊、河流、稻田、旱地、住宅区、森林等，并迁移到我国其他各省市进行遥感图像的分割和检测。
对项目未来的应用场景设想
他们还对项目的未来进行了展望，例如结合无人机和卫星遥感数据，可用在自然灾害的预防和救治方面。
该项目最终收获 DeeCamp 的「最佳技术奖」。
随着养宠物的群体增多，如何对宠物进行精致的呵护，也成为了许多人要面临的一个难题。而 24 组的学员，就用 AI 在这个方面进行了探索。
他们建立了一个 AI 小程序，通过图像识别，进行宠物的健康状况评估，方便主人在及时知晓宠物的状态，尽早为宠物安排合理的生活。
小程序能够比人更准确地判断宠物的信息
小程序在使用上也极其简单，只需对着狗狗拍一拍，就能识别出狗狗的品种、是否成年、体型状况、是否健康等情况。
此外，还能给出相关的喂养建议，提醒铲屎官：是不是该给狗狗驱虫了？最后能够综合这些信息，推荐出合适的狗粮，链接到电商平台，实现了商用的价值。
根据组员的介绍，在拿到这个课题之初，团队成员们面临着无文献、无数据、无标准的「三无」难题，很多队员一度很沮丧，但在经历过艰难的尝试和探索后，他们最终还是用 4 个神经网络，分别实现了品种、年龄、体型等多方面的识别。
而关键的难点被分解为狗体检测、品种识别、年龄分类、体型度量，在他们的努力下，解决了体型标签难以获得、不同狗的肥胖标准不同、多只狗的照片难以识别等技术难点。
这个命题来自快消品巨头玛氏（MARS），在闭营仪式上，项目的展示也得到了玛氏集团的肯定，甚至当场向几位同学发出了实习邀请。项目收获了 DeeCamp 的「最佳应用奖」。
AI 医疗一直是市场发展的大趋势，DeeCamp 的学员们也接受了这一挑战。27 组所做的关于脑膜瘤的课题研究，就荣膺了本届 DeeCamp 的「最佳精神奖」，还被王咏刚亲自授奖。
该小组的研究课题为《基于图像分割的脑部瘤体区域划分》。
脑膜瘤是中枢神经系统最常见的原发性肿瘤，医学统计上，脑膜瘤约占中枢神经系统肿瘤的三分之一。病人往往以头痛和癫痫为首发症状，还会出现不同程度的认知与运动障碍。
人工辨识脑膜瘤准确率还亟待提高
但由于脑膜瘤病程长，所以前期难以发现。磁共振影像中发现并标识病灶是医学上的常规手段，但人工辨识对医生经验要求高，还会出现大概率的遗漏。
27 组就利用人工智能技术来进行诊断，既能有效缓解医生的诊断压力，还能以更高的精度辅助病灶分割和识别。
该小组设计了 2D 与 3D 两类模型，分别对当前医学影像扫描所得到的非序列数据与序列数据进行针对性建模。两种模型分别采用最先进的 DeepLab V3+ 模型和 DMFNet 模型。
模型具有很强的泛化能力，能辨识的边缘更加平滑，可以纠正标签中错误的区域。3D 分割还会对肿瘤进行三维可视化，绘制肿瘤较大的脑区与其他脑区的结构连接关系，以表征脑瘤的严重程度。
为了增加模型的扩展性，进一步适用到其他种类脑肿瘤的检测任务，该小组还采用 CycleGAN ，将无标签的目标域图片（胶质瘤）风格迁移至具备分割标签的源域图片（脑膜瘤），利用已训练好的源域脑膜瘤分割网络，直接进行胶质瘤分割检测任务，从而实现胶质瘤的无监督检测和分割。
如果要盘点当下最通用的事物，那肯定非表情包莫属。各种风格的表情包成为了当代人的基本社交用语。但表情包多来自于被动收集和保存，如何生成具有自己特色的表情包，DeeCamp 的学员在这方面做了尝试。
45 组的学员利用 AI 技术，完成了《AI 表情帝：真人表情包制作》这一有趣的课题。
和最热门的换脸技术类似，他们通过风格迁移以及 GAN 训练模型，能够通过简单的一键操作，将真实图片的面部替换成带有不同表情，还能配备上不同的风格。
这下更是胡霍不分了
只需要用小程序拍照，就能把真人头像和各种表情结合在一起，产生多种有趣的表情。团队还将结合 BigGAN 等技术，使用数百个 GPU 对换脸算法进行改进，提升了生成图片的精细度。
现场展示中，能够生成开心、悲伤、惊讶等表情，还能够实现宫崎骏，新海诚等漫画风格。但最调皮的操作，当属学员们用李开复老师制作了一组表情，引发了全场的掌声。
利用开复老师制作的表情包
在短短的几周时间里，将一个想法实现为一个具体的项目，DeeCamp 的学员所呈现出来的精神，令人赞叹。
究其原因，一方面在于他们学习的劲头十足。在大会的圆桌环节，创新奇智 CTO 张发恩的说了一件趣事，他在一次授课后，被同学们追着问了许多问题，甚至还有人追他追到了住的地方。
学员们日常学习现场
学生代表也在发言中说道，DeeCamp 见证了很多不可能，比如编程经验不足的同学，甚至完成了半天速成 Pytorch。
另一方面，DeeCamp 打造的培养模式，也是推动学员们成长的有力法宝。通过将学界和企业的资源结合，用探索的方式去完成学习和训练，让他们在资源充沛的条件下，放手去挑战实际中会面临的困难。
正如 DeeCamp 宣称的那样，解决真实世界的问题，是 AI 发展的必经之路，也是 AI 能够推动产业变革的根本原因。
也正如开复老师所说，「我始终相信一句话，听到的你会忘记，看到的你会记得，真正做过了你才能懂得。」
—— 完 ——
扫描二维码，加入讨论群
获得优质数据集
回复「读者」自动入群
更多精彩内容（点击图片阅读）
【DeeCamp 优秀项目详解】从零开始到 AI 技术落地，只用三周
标签：未来 课程 一句话 一起 保存 amp 变化 准确率 针对性
原文地址：https://blog.51cto.com/14929242/2534744
