首页 > 图森面试官|电子科大本硕博FG的自白:All in无人驾驶
头像
牛客399007423号
编辑于 2020-12-21 15:03
+ 关注

图森面试官|电子科大本硕博FG的自白:All in无人驾驶

本期主人公:FG

90后,处女座

本硕博毕业于电子科大,EE(电子工程)专业

关于FG的关键句:渴望引领技术的前进,是我的价值观

不知道你们身边是不是有这样一群人,亦或者你就是他们之一。高高瘦瘦,戴着眼镜,平时不太爱笑,在人群中也不怎么吱声。生活中,除了打游戏和频次不多的运动之外,就没有特别的喜好了。除了两样东西——技术和女票。

这类人,他们生活简单,对技术有着迷一样的执着和专注。我们称他们是:技术直男。好奇他们的执着来源于什么,他说“想要挑战前沿技术”。

他,人称FG,图森未来感知算法工程师,符合文章开头所述的所有特质。

本科在电子科大,学的是电子工程专业。花了两年时间,发现自己只对数字电路有感觉,对模拟电路丝毫不感冒的他,确定自己不适合做电子工程师。由于从小对编程的兴趣,选择了电子工程学院里看起来最为接近的“模式识别”方向,在那时,模式识别和机器学习能做的事情还不多,但隐约间FG觉得人工智能一定会有很大的发展。赌它了,那时候我就觉得人工智能肯定是未来“。


可话又说回来,为什么只对数字电路有感觉?“只用0和1来回答的问题,对我来说更简单。

就这样,FG在大三、大四阶段,把精力放在了模式识别上,也就顺理成章考上了本学院模式识别实验室的研究生。

研一下学期,一位老师从美国博士毕业加入了实验室,跟实验室的同学说,现在大家都在研究深度学习技术。那也是FG第一次听说“深度学习”这个词,那一年是2013年,”深度学习“正迎来大爆发的时期。

早在1943年,由神经科学家W.S.McCilloch和数学家W.Pitts在论文<A Logical Calculus of the Ideas Immanent in Nervous Acitivity>中提出了MCP模型,这个模拟大脑工作原理的数学模型,就是现在人工智能的一切基础。

所有新事物的发展史,都是充满崎岖的,这也是科学探索的迷人之处。”深度学习“的发展更是如此。在经历过缓慢发展、停滞这些阶段之后,终于在2012年迎来爆发。

2012年,机器学习领域的泰斗级人物Geoffrey Hinton,为了证明深度学习的潜力,带领课题组首次参加ImageNet图像识别比赛,其通过构建的CNN网络AlexNet一举夺得冠军,且碾压第二名(SVM方法)的分类性能。也正是由于该比赛,CNN吸引到了众多研究者的注意,在此后的5年里,关于深度学习是否是人工智能的未来的讨论,就一直没有停息过。直到现在。


时间拉回到2013年,那个在电子科大读研一的FG,在听完实验室老师对深度学习未来的描绘之后,回到实验室随即在网上搜了Andrew NG的课,开始了自学。在完成了课程学习后,他就决定读博了。

是偶然吗?或许是吧。但是对于一个对技术和科学拥有绝对痴迷的他来讲,又是一种必然。

挑战Facebook

2014年,Facebook曾经发表了一篇文章<DeepFace: Closing the Gap to Human-Level Performance in Face Verification>,在一个很不起眼的段落里,提到了“提取特征需要进行归一化”,FG当下在这句话上,就泛起了嘀咕:为什么要在测试阶段才做规一化,而不是在网络训练的时候就把它规一化好呢?

带着这样的疑问,FG开始了第一次尝试,即在网络训练时候就开始进行规一化操作,过程当然不是那么顺利,不论怎么调整网络参数,网络始终不收敛,在多次尝试失败后,只能选择暂时放弃。

博三的时候,FG获得去JHU(约翰霍普金斯大学)交流的机会。在JHU,FG又想起了之前暂时的放弃的实验,这次在分析了网络的输出结果分布之后,发现了问题的原因所在。其实只需要加入一个尺度系数,网络不但可以收敛,而且取得了更好的结果。

于是他把这个发现,写成了论文,发表在了ACM MM上。(感兴趣的同学可以搜来一读:<NormFace: L2 Hypersphere Embedding for Face Verification>)

这次尝试,让FG觉得科学研究的迷人,也在技术这条路上,扎地越来越深。

网友奔现

读博期间,在一个深度学习交流群认识了naiyan,那时候还没有图森未来。2015年在成都VALSE上与naiyan面基,互相的欣赏与信任为日后FG的加入,打下了基础。

直到2018年FG博士即将毕业,回到国内。听说到FG已经回国,naiyan便找到他,“他说他们在做无人驾驶,问我要不要来试试”FG说道来图森未来的契机。

2018年完成博士学位回国的FG,因为自己博士期间的课题是人脸识别,毕业来到工业界,发现人脸识别这一市场几乎已经饱和,市场上有上百家公司都在做人脸识别。而对于一个对技术有着绝对执着的FG来说,他不想把一个已经相对成熟的技术领域当作是自己未来的发展,而是想着在一个更前沿的技术领域,找到自己的位置。那么无疑,无人驾驶,刚好是个机会。


加入图森未来之前,FG一直和naiyan在网上讨论技术问题,FG对naiyan的信任和好感,也促使他加入了图森未来。前景更好、觉得团队技术更强更容易进步,FG说起最终决定加入的理由,也颇直男


加入之后


刚开始来图森未来,FG主要负责做车的ReID,因为之前一直在做人的ReID,回过头再来做车,就没有那么难。随着项目需求的不断增多,FG要负责的项目也越来越多。加入短短半年,他已经置身在三个项目中了。

这种快节奏的工作方式和博士期间显然不一样。但是会更有在“工作”的感觉。学校里大多都是跑公开数据集,公司里要自己制定采集数据的方案,帮助修订数据方案。

另外,在公司里要充分了解下游的需求,根据需求来制定判断模型好坏的指标有的时候下游可能根本不关心学术界的指标,反而对一些细节非常关注,这时就根据将下游的需求来设计指标。指标一旦确定,就决定了模型的优化方向,后面的事情就回到了熟悉的节奏:提出改进,优化模型性能。

除此之外,他并不满足于只做之前熟悉的领域。对于无人驾驶技术,激光雷达数据的处理一直也是一个难解的课题之一。而FG现在,正渴望在这个领域,交出令自己满意的答卷。FG认为,在图像检测分割的领域,大部分问题都已被解决的差不多了,能做的只有修补的工作。而在点云的处理方面,还有很大的探索空间。

ALL IN 无人驾驶

FG对于自己的认知是:平时不爱说话,但是讨论技术会比较活跃。而的确,打开他的知乎,你会发现他很爱在技术这件事上“较真”。

问起他未来的职业规划,他说进行职业规划时要考虑整个职业生涯,看清未来10到20年会有巨大发展的领域,毕竟一个人的职业生涯长达30年。“那个时候,身边一定都是无人驾驶了,现在进入,刚好合适”,带着这样的信念,他选择了all in。


FG现在同时也担任感知算法研究员的面试官。下面也一起听听他在候选人的筛选上,都有哪些标准。

Q&A


Q:对于感知算法研究员的岗位候选人,比较看重哪些特质?


我对高质量的论文会非常欣赏,一些主流AI公司的实习的经验也会比较加分。如果以上都没有,至少要接触过前沿的技术,并且试图挑战这些前沿技术。候选人一定要有能够改变现有技术的想法,哪怕目前还做不出创新的工作,但是我会更欣赏有这样决心的人。

所以当面试官问你一些开放性的问题时,一定要打开脑洞畅所欲言,千万别只是说“对不起,没考虑过这个问题”了。




全部评论

(1) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

近期热帖

历年真题 真题热练榜 24小时
技术(软件)/信息技术类
查看全部

近期精华帖

热门推荐