走出实验室算法视频

① 人生不设限，我们和这些“非定义青年”聊了聊

谁能定义你的人生？谁能定义当代青年的模样？

1915年，从日本回国的陈独秀为了呼吁有志青年积极救国，在辗转迂回中创办了《新青年》杂志，并写下了一段饱含理想主义热情的创磨咐刊词： “青年如初春，如朝日，如百卉之萌动，如利刃之新发于硎，人生最可宝贵之时期也。青年之于 社会 ，犹新鲜活泼细胞之在人身。新陈代谢，陈腐朽败者无时不在天然淘汰之途，与新鲜活泼者以空间之位置及时间之生命。”

以前的“新青年”们。/维基网络

在任何时代，青年都是 社会 进步的鲜活力量。在每个时代，青年的使命各不相同。在100多年后，数字在重构现实 社会 。这一代的青年人，也面临着更多的挑战，但他们也有更多打破束缚的机会。 今天是五四青年节，在这个青年人的节日里，我们聚焦一批从事新型职业、在新锐岗位上实现价值的年轻人。

他们或许起点较低，但毅然反抗命运、跳出已被写好的剧本；或许面对世俗成见压力，但义无反顾、勇敢选择、忠于内心。他们是大家眼里的“非定义”年轻人，他们遨游在互联网的海洋里，打破传统、勇于革新，在一条少有人走的路上，重新定义自己的命运。

不认命：从厂工到程序员一个“疯子骑士”的冒险

“砍风车的骑士”，在小说《堂吉诃德》中，温学贵看到自己的影子——“我现在做的事情不一定能做成，但仍旧要试一试”。 从深圳市某“流水线拧螺丝”的厂工到广州屯大软件公司的一名程序员，要完成这样的蜕变，没点“疯子骑士”的理想主义和毅力恐怕不行。

在工厂上班的时候，工厂引进的一批机械手，让温学贵隐隐感到了危机。不安感还来源于未来生活里可预见的漫长空虚——“今天的日子已经把余生的日子过完了”。 一个疯狂的念头突然出现在温学贵眼前：自学编程。

成为一名程序员的温学贵。

此前，温学贵没读大学，而是选择初中毕业就去读中专——那是最快的可以帮家里人分担经济重担的方式。作为家中长子，学贵有4个弟妹，他必须懂事。 从自学编程到“程序员上岸”，对他来说，是一场漫长的征战。

每天下班回宿舍，是他珍贵的两个小时学习时间。可男生宿舍里，外放视频声混杂着各类 游戏 声、聊天声。除此之外，还有每天下班回来之后的疲惫。

对于学贵这样学历不高的小镇青年来说，“突围”最大的阻碍，来源于信心不足。当他开始尝试学编程的时候，周围的人总会评价“这东西太难了”“真的能自学吗”。

但温学贵时常会想起中专班主任说过的一个段子：“中考成绩不好可能是因为出生月份的问题。”这句在今天看起来纯属“玄学”的一句话，却让失意时的他找到了一种力量，不是因为自己的智力不达标、不是因为学习能力匮乏，可能只是一种说不清道不明的“运气欠佳”。

当温学贵开始调整自己的自学效率、更严格地执行学习目标时，他发现“编程原来没有想象中那么困难”。

周围的人总会评价“这东西太难了”“真的能自学吗”。/图虫创意

几个月的在线网课结束后，温学贵开始集中精力找工作、投简历。经过3个多月的求职后，他接到了一个面试：微信小程序的前端开发。紧接着，他成为了一名小程序工程师。 事实上，不仅仅是学贵，据信通院报告，2020年小程序带动就业780万个，成为微信带动就业的核心引擎。

进入广州屯大软件公司以后，从为企业搭建各类小程序商城，到设计 娱乐 性的“数字盲盒”，当自己和团队研发的小程序被推入市场后，学贵看到了编程给周遭生活带来的直接影响。

现在，温学贵比别人都努力。

“在流水线上，再怎么拧螺丝你也拧不出花来”，但是在代汪游码的数字世界中，自己仿佛也可以改变世界。温学贵感到骄傲，尽管只是参与了很多小程序开困游销发其中的一环，但一想到手头的小程序将覆盖千万人，他看到了自己的价值。

在广州某国际贸易中心的写字楼里，温学贵在休息片刻时，望着窗外大雨过后、雾气氤氲的城市。22楼，他已脱离了那个黏着他的地表，未来，他期待可以走得更高。

爱挑战：明明可以靠颜值她却用算法“改变世界”

女性也可以成为顶尖程序员吗？ 27岁的刘恩雨正在用亲身经历证明：当然可以。 刘恩雨是一名多媒体实验室算法研究员，目前主要的研究方向是图像及视频处理，通过传统公式建模和人工智能算法的结合，完成包括图像生成、视频修复、视频增强等工作。

年仅27岁的她，不仅参与并主导了多媒体相关的多个项目，还提交了20+篇的专利，发表了7篇学术期刊和国际会议论文。

她记得，小时候，电视里播过一部关于华人工程师群体在硅谷打拼的纪录片，电视里程序员的形象令她心生向往——专业干练、知识丰富，最重要的是能改变世界！

一颗梦想的种子，自此埋下。

比如“我想要过有挑战的生活”。

自初中起，刘恩雨就享受理科的推导过程；高考第一志愿填的是电子信息专业，尽管当时 AI 的概念还未走俏。她顺利考入武汉大学，大二期间开始跟着导师进行图像和视频方面的科研项目——图像去雾。

她较真，“做模型设计的时候，或者实验了两个月，结果发现效果没达到预期；又或者我做完了实验、达到了预期，但一和市面上的算法对比，发现我的算法不如别人……”推倒，重来，完善，再精进；与bug缠斗，和竞争对手以及自己赛跑，也和时间做对抗。

恩雨回忆，当时她连轴工作了一个月、基本住在了公司，“睁开眼睛就想到工作，周六周日加班看文献和论文”。

女性学习理科、进入 AI 行业，多少会引来因刻板印象而产生的质疑或“规劝”。在不少场合，恩雨也都因“年轻”“漂亮”这样的标签，遭受过质疑。

这些声音，刘恩雨从未在意过。“我想要过有挑战的生活。”在很多维度上，互联网都促成了真正意义上的开放和平权，让机会和选择变得多元。

她说，“在我的工作岗位，大家不看你长什么样，只看你代码写得好不好”。

刘恩雨的世界里，没有克服不了的困难。

不久前的清明节，恩雨作为主力参与了一个老照片修复的图像优化项目。 当破损、模糊的照片变得崭新且清晰——照片中的老军人一下子鲜活了起来。照片中的老军人已经去世，当刘恩雨将照片交到老军人儿子的手中，看到他激动又隐忍的复杂 情感 ，这一瞬间，她明白了自己的价值，也坚定了以后努力的方向。 作为一名程序员，在用代码改变世界、推动 科技 的过程中，刘恩雨感受到一种使命的召唤、一种实现自我价值的满足和坚定。

新使命：是驻村干部也是大山里的“主播”

唐强是广西农村的一名驻村干部。他的另一个身份，是大山里的“主播”。 通过运营视频号的方式，他将助农过程中的感人经历和有趣瞬间记录了下来，在赢得村民信任的同时，也得到了大山之外不少城市白领的关注和认可。

在驻村之前，唐强的人生几乎都在践行着“如何走出乡村”这个议题。

30年前，唐强出生在广西玉林的一个小山村。当时，农民出身的父母心里只有一个信念：一定要把孩子送出大山、出人头地。唐强记得童年时代，上个学要步行好几里地，开学时，他必须背着米去学校。

唐强没有上下班时间，有事情随时出发。

2009年，唐强不负众望，考上了广西大学。此后的人生，顺风顺水。毕业后，他通过校招，进入了广西投资集团旗下的桥巩水电站工作。

2020年，广西投资集团公开招募新一批驻村干部，唐强“鬼使神差”地报了名，来到了广西大山里的弄坤村。

从小在土地里长大的唐强，对土地有一种亲切感。别人拼命走出农村，他却执着地往回走。面对别人的不解，他乐在其中，“每天都在帮助村民进步一点点”，他觉得无比充实。

2020年某晚临睡前，唐强刷到了一条“来自海拔3200米以上”的视频，风景美极了。这条视频出自四川阿坝州的一名扶贫干部之手。

唐强深受启发，有感于驻村助农过程中的一些观察和感悟，他决定自己也动起手来，用视频记录的方式，把扶贫助农这件事，传播到更远的城市去。

从一个拍摄剪辑小白，到熬夜在线学会整个视频制作流程，唐强只用了不到一个月。帮助村民申领津贴、应急处理滚石造成的基建毁坏、逐户走访，虽然平时工作很忙，但唐强总会挤出时间用在视频策划、拍摄、配音、文案和剪辑上。

唐强准备用短视频把村里的东西卖出去。

去年6月，唐强受邀开通视频号“努力的大强”，不到一年的时间里，他发布了100多条短视频，记录驻村助农过程中的点点滴滴。

尽管土壤贫瘠，但在驻村干部的 探索 和帮助下，村里因地制宜生产出了山葡萄酒、旱藕粉丝等等特色农产品。未来，唐强将通过直播电商的方式推广这些地方特色，持续推进乡村振兴。

在互联网短视频的发展之下，唐强找到了自己作为村干部的独特乐趣，并将帮助农村实现经济上的发展。

在唐强看来，视频号就像是一个连通器，不仅连接了乡村和城市，还通过朋友圈、小程序、群聊等场景，形成了功能和业务闭环，不仅有利于驻村工作赢得更多认同，也有助于下一步目标——电商扶贫、产销结合的实现。

做自己：被电竞改变的18岁

高考前夕，18岁的夏圣钦突然来到了人生的交叉路口。 高三那年，夏圣钦接触到了《王者荣耀》。只用了4天，他的账号就升到了 21 级，不久后，他就冲上了区排位赛第一名。上海 Mu 俱乐部的职业邀请随之而来。

电竞选手是“网瘾少年”吗？/图虫创意

摆在他面前的是两条路，一条是和所有同龄人一样，通过高考进入大学；另一条路，是成为一名职业电竞选手。前者是一条很多人走过的路，安全；后者在所有人看起来是“不务正业”、是网瘾少年逃避学习的借口，并且前途未卜。 高考过后的那个暑假，夏圣钦带着3000块钱，瞒着父母，坐上了去上海的列车。由于彼时《王者荣耀》电竞刚起步，因为没有经过科学的训练，夏圣钦和他的队伍打一场输一场。

夏圣钦动摇了，犹豫、迷茫、沮丧围绕着他。他不停想着，自己到底是在逃避生活，还是真的把电竞当成梦想？他决定先去大学报到。 夏圣钦的大学生活，只持续了两天。

来到大学校园，草草参观了学生宿舍和教室后，他拉着还没来得及打开的行李，重回电竞拥抱。 多年后想起来，夏圣钦庆幸自己的选择。天赋、努力和勇敢没有辜负他。

2016年，刚加入重庆QG happy俱乐部的夏圣钦，用孙尚香一角完成了职业生涯中的“第一杀”。在2017年5月的 KPL 春季赛常规赛中，夏圣钦的孙尚香以一比五带领队伍扭转败势成功翻盘。

2017年，新组成的QG happy战队一鸣惊人，一举夺得2017年春季联赛、冠军杯以及秋季联赛“三冠王”，成为KPL赛场上第一支年度大满贯战队。2020年3月21日，夏圣钦又一次迎来职业巅峰。在 KPL 春季赛中，他使用英雄孙尚香成功解锁KPL1500击杀成就，成为 KPL 的第一位“1500杀先生”。

他赢过，也输过。只不过，真正融入电竞以后，夏圣钦比谁都更明白浮浮沉沉的道理。但因为电竞，他也学会了以更积极的心态去面对一切，因为电竞正如人生。 “如果没有打电竞的话，我现在可能在上班，可能跟着父亲做生意，也可能开个店，当个小卖部部长。”说到这里，夏圣钦露出了笑眯眯的神情，“也不是说上班不好。”

只不过那样的话，也就没有“神射手Hurt”（夏圣钦在《王者荣耀》中最擅长的位置是射手）了。

守护底线：民警小朱的反诈之路

朱启亮是深圳市公安局刑警支队的一名反诈民警。 用朱启亮的话来说，这份工作，是一个“每天每个月都在变”的工作，由于信息网络犯罪形式灵活，所以侦破手段也得跟着改变。这份在网上“猫抓老鼠”的工作，让他有了需要不断学习的迫切感。

这份工作，每天都需要在网上不断学习。

想要熟练掌握反诈侦查所需的技能，对专业是治安学的朱启亮来说，是个不小的考验。 当年，刚被调到反诈骗中心时，朱启亮还“很懵懂、不太清楚网络诈骗具体如何运作”。有次遇到一个炒股诈骗平台，朱启亮和同事乔装打扮成投资人，和对方交涉了解情况，前期花了很多时间去调查。最后，花了好大的功夫，他们把一层一层的网络代理全都揪出来了。 朱启亮细心，爱学习，喜欢思考，这些品质帮助他完成了从治安工作到反诈骗工作的转型。

相比传统犯罪，在网络上与犯罪作斗争，需要更多的耐心和细心。/电影《烈日灼心》

每天，朱启亮和同事都会接到大量警情，第一件事情就是对事主被骗的资金进行追查，找到流向、及时拦截资金，再对涉案的关键线索进行进一步排查。有时还要参与打击追捕。 除了追捕，朱启亮的日常工作还包括预警劝阻。预警劝阻的技术，源于公安部门和互联网技术平台的合作。朱启亮和同事们一旦发现市民们已经被诈骗团伙盯上，就会第一时间上门劝阻。 尽管从事反网络诈骗工作已经8年了，朱启亮还是会时不时地感叹不法分子的狡猾。好在魔高一尺道高一丈，信息技术不断进步，总能让他们及时遏制住犯罪。

破案了，朱警官最开心的时刻。/ 图虫创意

比如此前诈骗分子经常使用“伪基站”这种诈骗手法。所谓“伪基站”，就是利用其他设备，屏蔽正常的通讯信号，并伪装成银行客服等工作人员给失主发钓鱼链接短信。后来，警方与腾讯合作，开发出一款反击“伪基站”的工具。

朱启亮说，几个月后，深圳地区几乎没出现过“伪基站”了。传统刑侦与数字技术的结合，让更多像朱启亮这样的反诈民警得到了极大的便利。 朱启亮在工作中获得的，还有满满的成就感。他记得无数个惊险的“拦截”犯罪时刻。

一次，朱启亮和同事经过努力，发现了一位马上要给诈骗团伙转账的市民。多次上门后，他们在最后一刻终于成功劝阻，一笔巨款就此被安全地拦截下来。看到当事人的资金安然无恙，朱启亮打心眼里觉得自豪。 如今，电信网络诈骗的形势依然严峻，反诈民警的工作量也越来越大，朱启亮很难有足够的时间陪伴家人。可每次犹豫后，他都会被工作拉回。

在朱启亮看来，反诈工作其实也是一份“积德”的工作。

朱警官日常的片刻休息。

后记

青年应该是什么形状呢？它不应该被定义。

以往，我们总觉得“差生”没有未来、“网瘾少年”都是不务正业；我们以为女生读不好理科，我们质疑女性程序员吃不了苦；我们以为所谓的传统工种，就应该也只能按部就班……我们要感谢这些恣意追梦的“非定义”年轻人，他们挥洒青春，创造出新的可能。

这些年轻人，不只是生活中小部分光鲜亮丽的身影，他们也是大千世界中无数个追逐梦想、勇敢尝试未知的新青年的缩影。 如今，互联网数字经济迅猛发展，越来越多陌生的职业、岗位纷纷涌现，在互联网数字化就业浪潮下，这些偏见一一被打破。

可以说，互联网催生的新业态，在很大程度上让年轻人有了超越出身的勇气和机会，激发自身新的潜能，过上了自己选择的新生活。信通院发布2020年《数字化就业新职业新岗位研究报告》显示，过去一年，仅微信衍生的新就业机会就达到3684万个。 在这些新职业里，年轻人们看到了新的可能，拥有了新的技能，发现了新的潜力，成为了真正的“非定义青年”。

无需受困于地域、学历、资本……别说没经验、学历不高、不在一线撕碎固有标签，没人能定义你的人生 想发光发热，就去拼去闯这是值得敬佩的人生

② 机器人是如何走出迷宫的

首先，我们要了解，机器人领域的视觉（Machine Vision）跟计算机领域（Computer Vision）的视觉有一些不同：机器视觉的目的是给机器人提供操作物体的信息。所以，机器视觉的研究大概有这几块：

物体识别（Object Recognition）：在图像中检测到物体类型等，这跟 CV 的研究有很大一部分交叉；

位姿估计（Pose Estimation）：计算出物体在摄像机坐标系下的位置和姿态，对于机器人而言，需要抓取东西，不仅要知道这是什么，也需要知道它具体在哪里；

相机标定（Camera Calibration）：因为上面做的只是计算了物体在相机坐标系下的坐标，我们还需要确定相机跟机器人的相对位置和姿态，这样才可以将物体位姿转换到机器人位姿。

当然，我这里主要是讲物体定位领域的机器视觉；SLAM 等其他领域的就先不讲了。 算法肯定也是有的。

由于视觉是机器人感知的一块很重要内容，所以研究也非常多了，我就我了解的一些，按照由简入繁的顺序介绍吧：

1. 相机标定
这其实属于比较成熟的领域。由于我们所有物体识别都只是计算物体在相机坐标系下的位姿，但是，机器人操作物体需要知道物体在机器人坐标系下的位姿。所以，我们先需要对相机的位姿进行标定。内参标定就不说了，参照张正友的论文，或者各种标定工具箱；外参标定的话，根据相机安装位置，有两种方式：

Eye to Hand：相机与机器人极坐标系固连，不随机械臂运动而运动
Eye in Hand：相机固连在机械臂上，随机械臂运动而运动 两种方式的求解思路都类似，首先是眼在手外（Eye to Hand）

只需在机械臂末端固定一个棋盘格，在相机视野内运动几个姿态。由于相机可以计算出棋盘格相对于相机坐标系的位姿 、机器人运动学正解可以计算出机器人底座到末端抓手之间的位姿变化 、而末端爪手与棋盘格的位姿相对固定不变。
而对于眼在手上（Eye in Hand）的情况，也类似，在地上随便放一个棋盘格（与机器人基座固连），然后让机械臂带着相机走几个位姿，然后也可以形成一个 的坐标环。

2 平面物体检测
这是目前工业流水线上最常见的场景。目前来看，这一领域对视觉的要求是：快速、精确、稳定。所以，一般是采用最简单的边缘提取+边缘匹配/形状匹配的方法；而且，为了提高稳定性、一般会通过主要打光源、采用反差大的背景等手段，减少系统变量。
目前，很多智能相机（如 cognex）都直接内嵌了这些功能；而且，物体一般都是放置在一个平面上，相机只需计算物体的 三自由度位姿即可。另外，这种应用场景一般都是用于处理一种特定工件，相当于只有位姿估计，而没有物体识别。 当然，工业上追求稳定性无可厚非，但是随着生产自动化的要求越来越高，以及服务类机器人的兴起。对更复杂物体的完整位姿 估计也就成了机器视觉的研究热点。

3. 有纹理的物体
机器人视觉领域是最早开始研究有纹理的物体的，如饮料瓶、零食盒等表面带有丰富纹理的都属于这一类。当然，这些物体也还是可以用类似边缘提取+模板匹配的方法。但是，实际机器人操作过程中，环境会更加复杂：光照条件不确定（光照）、物体距离相机距离不确定（尺度）、相机看物体的角度不确定（旋转、仿射）、甚至是被其他物体遮挡（遮挡）。
幸好有一位叫做 Lowe 的大神，提出了一个叫做 SIFT （Scale-invariant feature transform）的超强局部特征点：Lowe, David G. "Distinctive image features from scale-invariant keypoints."International journal of computer vision 60.2 (2004): 91-110.具体原理可以看上面这篇被引用 4万+ 的论文或各种博客，简单地说，这个方法提取的特征点只跟物体表面的某部分纹理有关，与光照变化、尺度变化、仿射变换、整个物体无关。因此，利用 SIFT 特征点，可以直接在相机图像中寻找到与数据库中相同的特征点，这样，就可以确定相机中的物体是什么东西（物体识别）。
对于不会变形的物体，特征点在物体坐标系下的位置是固定的。所以，我们在获取若干点对之后，就可以直接求解出相机中物体与数据库中物体之间的单应性矩阵。如果我们用深度相机（如Kinect）或者双目视觉方法，确定出每个特征点的 3D 位置。那么，直接求解这个 PnP 问题，就可以计算出物体在当前相机坐标系下的位姿。

4. 无纹理的物体
好了，有问题的物体容易解决，那么生活中或者工业里还有很多物体是没有纹理的
我们最容易想到的就是：是否有一种特征点，可以描述物体形状，同时具有跟 SIFT 相似的不变性？不幸的是，据我了解，目前没有这种特征点。所以，之前一大类方法还是采用基于模板匹配的办法，但是，对匹配的特征进行了专门选择（不只是边缘等简单特征）。

这里，我介绍一个我们实验室之前使用和重现过的算法 LineMod：Hinterstoisser, Stefan, et al. "Multimodal templates for real-time detection of texture-less objects in heavily cluttered scenes." Computer Vision (ICCV), 2011 IEEE International Conference on. IEEE, 2011.
简单而言，这篇论文同时利用了彩色图像的图像梯度和深度图像的表面法向作为特征，与数据库中的模板进行匹配。由于数据库中的模板是从一个物体的多个视角拍摄后生成的，所以这样匹配得到的物体位姿只能算是初步估计，并不精确。但是，只要有了这个初步估计的物体位姿，我们就可以直接采用 ICP 算法（Iterative closest point）匹配物体模型与 3D 点云，从而得到物体在相机坐标系下的精确位姿。
当然，这个算法在具体实施过程中还是有很多细节的：如何建立模板、颜色梯度的表示等。另外，这种方法无法应对物体被遮挡的情况。（当然，通过降低匹配阈值，可以应对部分遮挡，但是会造成误识别）。针对部分遮挡的情况，我们实验室的张博士去年对 LineMod 进行了改进，但由于论文尚未发表，所以就先不过多涉及了。

5. 深度学习
由于深度学习在计算机视觉领域得到了非常好的效果，我们做机器人的自然也会尝试把 DL 用到机器人的物体识别中。
首先，对于物体识别，这个就可以照搬 DL 的研究成果了，各种 CNN 拿过来用就好了。有没有将深度学习融入机器人领域的尝试？有哪些难点？ - 知乎 这个回答中，我提到 2016 年的‘亚马逊抓取大赛’中，很多队伍都采用了 DL 作为物体识别算法。 然而， 在这个比赛中，虽然很多人采用 DL 进行物体识别，但在物体位姿估计方面都还是使用比较简单、或者传统的算法。似乎并未广泛采用 DL。 如@周博磊所说，一般是采用 semantic segmentation network 在彩色图像上进行物体分割，之后，将分割出的部分点云与物体 3D 模型进行 ICP 匹配。
当然，直接用神经网络做位姿估计的工作也是有的，如这篇：Doumanoglou, Andreas, et al. "Recovering 6d object pose and predicting next-best-view in the crowd." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016.
它的方法大概是这样：对于一个物体，取很多小块 RGB-D 数据（只关心一个patch，用局部特征可以应对遮挡）；每小块有一个坐标（相对于物体坐标系）；然后，首先用一个自编码器对数据进行降维；之后，用将降维后的特征用于训练Hough Forest。

6. 与任务/运动规划结合
这部分也是比较有意思的研究内容，由于机器视觉的目的是给机器人操作物体提供信息，所以，并不限于相机中的物体识别与定位，往往需要跟机器人的其他模块相结合。
我们让机器人从冰箱中拿一瓶‘雪碧’，但是这个 ‘雪碧’ 被‘美年达’挡住了。我们人类的做法是这样的：先把 ‘美年达’ 移开，再去取 ‘雪碧’ 。所以，对于机器人来说，它需要先通过视觉确定雪碧在‘美年达’后面，同时，还需要确定‘美年达’这个东西是可以移开的，而不是冰箱门之类固定不可拿开的物体。 当然，将视觉跟机器人结合后，会引出其他很多好玩的新东西。由于不是我自己的研究方向，所以也就不再班门弄斧了。

更详细的图文解析可以到机器人家上去看，我这边就不贴出来了，希望对你有用

③ 有哪些适合研究生阶段参加的算法/计算机比赛

适合研究生阶段参加的算法/计算机比赛有天池大数据竞赛与全国人工智能大赛。

天池大数据竞赛

2015年3月23日，阿里云计算宣布启动新一赛季的天池大数据竞赛。大赛将吸引全球新生代数据科学家，为预测手机党购物喜好、余额宝资金流动、时尚穿衣搭配，提供更精准的数据分析模型。

大数据专家、阿里巴巴集团副总裁涂子沛介绍，比赛中胜出的优秀数据模型，不仅可用于参赛者的学术研究成果，还有机会走出实验室，直接应用于淘宝、支付宝等真实的商业场景，影响中国乃至世界数以亿计的用户。

全国人工智能大赛

全国人工智能大赛（以下简称大赛）由深圳市人民政府主办，深圳市科创委、鹏城实验室及科技部指导成立的新一代人工智能产业技术创新战略联盟（AITISA，以下简称“联盟”）共同承办。

人工智能应用于4K/高清视频处理是一个非常有前景的领域，而4K/高清视频是5G时代的主流应用之一， 本届大赛设置的“AI+4K HDR”赛道代表了科技和文化深度融合的未来方向。