先谈点情怀吧。

俗话说，选择比努力更重要。方向决定格局，情商智商和努力决定在哪个格局里的高低。格局不大，就高不到哪里去了。

        既然是AI算法工程师，就谈谈我的认识吧。

AI是一门技术，他必须与业务结合才能落地，解决实际问题。AI+医疗影像，助力医生看病；AI+围棋，成为阿尔法狗，AI+机器人，成为了智能机器人，可以陪读（做教育），可以改造制造业，就是智能制造了。

今年是人工智能的落地之年。今年还在学术圈刷公开数据集的话我觉得真是人才浪费。很多搞学术的都去产业界了，因为产业界有太多的实际问题需要解决。学术问题的定义就是实际问题的简化，我觉得优化算法把公开数据集刷得高高的固然很有挑战，但是现在的主流已经不是这个了。雷布斯说，在风口上，猪都能飞起来。我们一定要善于谋势。顺势而为，雷布斯的顺为资本就是这个名字。

人工智能落地，目前主流的技术人员很多都是做TO B的，就是给企业提供服务。低端的做项目，高端一点的做产品（做成SDK，给企业调度）；低端的部署在本地服务器，这样购买方企业还需要买台GPU服务器，高端的做成私有云，公有云（如阿里云，UCLOUD）。

只要是TO B的业务模式，无一例外都是销售压着技术的，传统的外包行业就不说了，软件产品服务的也是，技术做的再好，产品卖不出去技术就兑不了现，这时候销售的重要性就出来了，联想之前的贸工技就是因为这个事情。我之前也琢磨把技术变现，发现一个个项目谈太心累了。

互联网企业之所以风起云涌，之所以互联网企业的技术人员非常有情怀，是因为互联网是平等开放的，只要你东西做的牛逼，idea好，那一人传十十人传百都是病毒式传播的，销售的作用就不那么重要了，东西自动就销售出去了，只需要好好的运营一下。所以互联网公司的技术人员得到了自己相应的回报。很多IT人也创业成功了。

还有，再谈一点，就是学术研究问题总是无穷的，琢磨把技术用来解决实际问题更有成就感。扎克伯格和比尔盖茨也没有发过nature，我们敬仰的java之父和linux之父没能成为富甲一方的贵族。所以我还是想把技术用于解决实际问题的。

最近在一家互联网企业做AI，企业是一个B2C的。这个好处就是你认真把技术做好解决实际问题你就能得到你技术应有的回报。这个月主要是做的行人检测跟踪与统计，昨天刚把代码调通了，甚是欣慰，趁空挡跟大家闲聊一下。总结总结。

这个项目其实很难的。已经立项半年了，国内两家一线厂商都没有解决问题。好像是个很简单的问题。其实不然。

讲一下问题的几个难点吧。1、视频是平视的，就是你在地铁站门口，眼睛看到的场景。人来人往的，遮挡的，交错的。检测就有一定难度。2、这个是需要跟踪的，需要跟踪这个人A从进镜头到出镜头，然后计数1，不能重复计数，这就有困难了，有人相互交错的时候，很多跟踪算法就跟丢了，A跟B交错，A被B遮挡后，A再出来的时候，跟踪算法就把A算作是C了。有可能A在树后面玩了一段时间，然后再出来，也被算成C了。3、单目标跟踪搜索还是有很多方法的，之前香港中文大学的王晓刚老师就做了一个基于resnet50的行人检索，效果还不错，文章地址在这里（https://arxiv.org/abs/1604.01850）。就是太慢了。但是我们这个是多目标实时跟踪检测统计，比单目标的又增加了不少难度。4、我们还需要把行人的去向摸清楚，他是否进店消费，还是从店里出来，这又增加了不少难度。

问题我们基本解决了，真是疯狂的coding。具体方案就先不扯了。你懂的。同时团队也搭建起来了。来了不少大牛。包括帝国理工的，华科的，还有美帝联合培养的博士，跟着大牛一起成长，大家都很开心。

       这边有一个实习生做的yolo的学习总结，我把它放这里给大家当一点小干货吧。同时，团队也欢迎新的小伙伴，只要你够牛，应届生2万起开，非应届3万。简历请投递bigdataminer@163.com。

由于整理的材料放这里会显得文章有些长了，微信公众号对文章字数有要求貌似。我把它放公众号回复里。

关注微信公众号，后台发送yolo,得到yolo的训练小总结，包括一些思路整理，绝对干货，不吹牛。