计算机视觉奖学金

今年6月至9月，我有幸与SAP Labs India，Bengaluru的SAP Machine Learning（ML）Digital Core unit建立了研究奖学金。

图1.SAP Leonardo Machine Learning Foundation:Width of capabilities

ML Digital Core unit支持不同的利益相关者SAP，其中一个是MLF（机器学习基础）单元。在研究期间，我的职责是了解场景文本识别推理服务（STR）是如何构建的，它现在是SAP API Hub的一部分，面向所有SAP客户。

0。继续阅读，继续学习

以真正的极客风格，我从0开始第一节，而不是1。第一天，当我加入这个LoB时，一切都是新的。我在我的母队呆了两年，那里一切都很舒适。所以在第一天，我很紧张，大数据解决，对这个变化，但同时兴奋，期待着新的挑战和一系列新的问题为未来4个月。这次联谊会的一个显著特点是，在加入团队之前，我不必学习新的东西。在一个月前的奖学金面试中，我确定我的技能足以胜任手头的工作，而且由于我在计算机视觉方面没有太多的专业知识，我的头脑一片空白。我可以重新开始。我就是这么做的！

图2。端到端场景文本检测实例

两年半后，我第一次打印了一篇研究论文，感觉很神奇。当我一篇接一篇地阅读同事们推荐的研究论文时，我理解了这个主题，慢慢地了解了什么是计算机视觉，具体来说，什么是STR。在接下来的3个月里，我继续阅读各种研究期刊、会议出版物以及光学字符识别和图像识别领域的技术文章。我学习了深度学习的基本模块-神经网络，以及特定的递归神经网络（RNN），以及如何使用Tensorflow建立模型。

这项研究帮助我了解了整个数据管道是如何建立的，如何在Tensorflow中调整和部署模型。我学习了如何使用张力板来监控开发过程中的整个训练和推理阶段。知道SAP在GPU方面使用最先进的硬件，24小时不停地运行，只是为了训练我们的深度学习模式，真的很鼓舞人心。

正如你所看到的，这让我大开眼界，在团队中的每一分钟，我都学到了新的东西。老实说，有时我觉得太多了，很多事情都超出了我的想象。然而，我意识到，这就是眼前的挑战。把自己置于困境，学点新东西，多听，而不是多说。有趣的事实：我也从模因和漫画中学到了很多！

1. 数学是一切的核心

我认为深度学习的方式是，有一些非常聪明的人在不久前提出了RNN，而现在，我们有业务需求、计算能力和数据，可以在实际生活场景中应用这些概念。这是最好的时机，作为一项技术的深度学习在这个关键时刻达到了顶峰。

不幸的是，我没有时间完全剖析我们的研究论文，但我确实读了几遍，并认为在目标检测阶段以及文本解译阶段，数学是它的核心。线性代数、离散数学——这些都是深度学习模型中涉及的概念，如果你是工程学院的学生，我唯一的要求就是，请全力以赴地参加这些课程。因为如果我能回到过去，我会这么做。创新是重要的，但坚持是更好的

人类一直在创新的时代。从车轮到电，从电脑到智能手机，我们一直在做，而深度学习只是更大范围内的另一个进步。它只是一个工具，可以帮助我们做得更好。

我们学习它，使用它，使它更好，并建立解决方案，帮助真正的人解决真正的问题。在我看来，创新是注定的。如果把一群聪明人放在一个房间里，他们最终会想出创新的想法。然而，警告是人类的努力和奉献的项目在手。例如，我从来都不是工程学校毕业班上最聪明的学生，也不是团队里最聪明的学生，但我的核心优势在于准确地确定任何问题的根本原因，并连接几个点来解决问题。要解决这个问题，我需要全神贯注、充满激情和热忱。

如果在一个勤奋、充满激情的人和一个专家之间做出选择，我可能倾向于选择处于劣势的人，因为即使需要一些时间，处于劣势的人最终也会赢！在这项研究的过程中，我投入了额外的时间，额外的努力，进一步确保我所有的任务都完成了，我的同事们及时从我那里得到了他们需要的所有信息。例如，我被分配了为一个特定的用例生成几个（1000个）合成图像的任务，淘客采集，我还被分配了3-4种方法来完成这个壮举。我花了一些时间，了解需要做什么，并尝试了所有的方法。我本可以在第一个可行的方法上停下来，但我觉得有必要测试一下手头上的所有选项，这样我就可以选择最好的方法。一周后，在同事们的帮助下，我以最好的方式完成了任务！现在，团队中的任何人都可以在GitHub上以他们认为合适的任何形式使用它。这是值得的！

3. 客户是每个用例的中心