2018年(273)
分类: 大数据
2018-07-02 15:19:03
前几天面试了一个C9应届硕士生,模式识别专业,连续问好几个专业问题都没能答上来。
尴尬之余,我问他:「你没有什么理想吗?你现在最渴望的事情是什么?」
他转悠着大眼睛,不假思索道:「将kaiming大大的Resnet扩展到10万层,把kitti,COCO数据库检测识别任务提升20个点以上」
真没想到在面试中居然还有这种操作。
我问为什么这能成为现阶段最渴望的事情,他反问「你难道不为LeCun、Bengio和Hinton的执着精神所感动么?你难道不羡慕ILSVRC2012 AlexNet大放异彩么?你难道不被googlenet,Resnet的深邃思想所折服么?」
好有道理我竟无法反驳。
这么了解市场的工程师,一定是个不可多得的人才!
于是,我决定:不录取他。
这几年,深度学习在CV领域大行其道,不论是detection,segmentation,classification,还是stereo matching,pose estimation,深度学习把之前传统各种state of the art方法爆出翔。现今,算法工程师不知道经典网络,流行框架都不好意思和别人打招呼。
此现象仅仅局限于刚入坑的小白。但是对于浸淫5年以上的无论bat算法经理还是资深人肉特征设计工程师,这种事情对于他们不过是一种笑谈。久而久之,我发现一个残酷的共同点——
他们只用传统方法。
工资不高吗?最低的月薪都有20K+,还有公司期权和股票。
技术不行吗?Paper 发到手软,代码编译一次就好。
我问过其中一个:我看你整天针对不同任务,手动设计特征,分类器不累么,不想试试cnn方法么?
他说:废话,肯定想啊。