CV大咖的成長史

世紀之交，思潮竄動，百業(yè)待興。

學史鉤沉，學術的河床上留下了神經(jīng)網(wǎng)絡、深度學習和今天的通用大語言模型等研究思潮或深或淺的痕跡，不知不覺中刻畫起我們的時代。每一個學者的研究方向也隨著宏大敘事浪潮或現(xiàn)實條件在不斷迭代，為時代留下個人的注腳。

沈琳琳一直在思考一串問題：我研究的東西對社會是否有用？是否忠于自己的興趣？秉承著對科研的誠摯熱愛和對社會有所獻益的內(nèi)心追求，沈琳琳在幾個人生岔路口作出了重要選擇。

2000 年，沈琳琳從上海交通大學應用電子專業(yè)碩士畢業(yè)，他放棄了當時一份令人羨慕的工作，選擇踏上異國他鄉(xiāng)砥志研思——攻讀英國諾丁漢大學計算機專業(yè)博士。

英國諾丁漢大學校園

諾丁漢大學風景如畫，教學與研究水平享有國際聲譽。泮林革音，萬象宜人，沈琳琳很快適應了高強度的研學節(jié)奏，興趣使然，加上深度參與博士導師的課題，沈琳琳自此和人臉識別結下了不解之緣。

圖像是直觀而親切的，離生活很近，容易被理解，對圖像進行處理，使它發(fā)揮更多價值是一件有趣且有意義的事情。他的研究方向聚焦在深度學習理論及其在人臉識別／分析以及醫(yī)學圖像分析上的應用上，專注且浸潤極深。

讀博后半段，他將自己的研究方向向醫(yī)學圖像上拓展。當時，導師拿下一個歐盟的醫(yī)學圖像的科研項目，他便大量接觸此方面的書籍，讓自己在該領域研究打好基礎。2005 年博士畢業(yè)到 2006 年，沈琳琳特意去附屬醫(yī)院與影像科醫(yī)生共處了一年，以便更好地理解 AI 和醫(yī)學跨學科之間的難點。

研學數(shù)十載，沈琳琳一直保持著韌性和自己冷靜的判斷。人工智能某項新技術剛提出并火爆的頭幾年，很多人不可避免地追新逐熱，但他觀察，有些相關技術在實際應用中性能并不如在實驗室的結果那般好，他勸自己不要著急。

深度學習剛出現(xiàn)的時候，很多人認為它只是曇花一現(xiàn)，他還是立足實際看問題：“我觀察該方向上的數(shù)據(jù)集和應用性能表現(xiàn)都較為出色，另外了解到產(chǎn)業(yè)界不少大公司也在關注這個方向，我感覺這個東西很不一樣，應該是有未來的，所以在 2015 年左右跟隨了這個研究方向�！�

深耕于計算機視覺和深度學習多年，沈琳琳取得了不凡的成績，他開發(fā)的人臉識別系統(tǒng)曾在國際人臉識別算法測試比賽中獲得亞軍，研發(fā)的細胞分類算法連續(xù)獲得國際細胞圖像分類算法大賽冠軍�？蒲谐晒�先后獲得吳文俊人工智能獎、中國電子學會、廣東省和深圳市科學技術獎勵。2015－2023連續(xù)9年被愛思唯爾出版社評為計算機學科“中國高被引學者”。

AI＋，扎根現(xiàn)實需求

2006年10月，沈琳琳心系桑梓地，沒走海外職場精英路線，回國在深圳大學做起了一名教師。他想把了解到的最新先進技術和自己對學術研究的一些心得分享給國內(nèi)一群群熱情昂揚的年輕人。

研究“視覺識別”二十多年來，沈琳琳曾指導團隊完成多篇 paper 或項目，也獲得了不少獎項，這的確是他熟悉且擅長的賽道。但是，教育不僅僅包含純粹的科研，還需要對接產(chǎn)業(yè)升級和技術變革趨勢，培養(yǎng)支撐產(chǎn)業(yè)需求的人才。

AI 智慧養(yǎng)殖系統(tǒng)

AI 智慧養(yǎng)殖系統(tǒng)開發(fā)是一項縮短課堂和產(chǎn)業(yè)的距離的重要嘗試。

簡單來說，就是用 AI 輔助農(nóng)戶養(yǎng)鵝養(yǎng)雞。2020 級深大騰班學生開展過一次別開生面的“鵝臉識別”項目——將課堂上學到的“人臉識別”，這些原本落地金融、安防行業(yè)的 AI 知識，復制到鵝身上，幫助鵝農(nóng)識別病鵝，輕松養(yǎng)鵝，提產(chǎn)增效。

初期，沈琳琳和團隊一度覺得沒法下手，不同于實驗室，鵝的飼養(yǎng)和成長環(huán)境復雜不可控，連經(jīng)驗豐富的老農(nóng)都不能保證識別病鵝，不免對算法的能力存疑。還有，要讓 AI 消除對鵝的“臉盲”，必須要采集足夠多的樣本數(shù)據(jù)，但動物不會配合鏡頭，這是一項全新的、工程量巨大的工作。

學生給鵝群打標注

要養(yǎng)鵝，先懂鵝。沈琳琳決定，拋開所有酷炫的技術，同學生們前往鵝場，從觀察、手動記錄和歸納鵝的基礎習性入手……整個暑期，沈琳琳密切關注學生們的每一項進度，經(jīng)歷長達半個月、30 萬次的點擊標注后，行業(yè)首個“鵝臉數(shù)據(jù)庫”誕生。最終，團隊制作了一款識別病鵝的小程序，具備“查看鵝群、疾病預警、數(shù)據(jù)分析、檢測養(yǎng)殖環(huán)境”等功能。

邁出了AI 養(yǎng)鵝的一大步，有了數(shù)據(jù)庫沉淀，往下便可以做很多事，AI 智慧養(yǎng)殖大系統(tǒng)可以效法推進。比如，將數(shù)據(jù)開源給學術界，更多人一起研究科學養(yǎng)鵝。借力AI ，雞鴨魚鳥等智慧養(yǎng)殖上另有廣闊天地。

AI 智慧醫(yī)療

在醫(yī)療領域，我們?nèi)匀幻媾R著嚴重的醫(yī)療資源問題，AI 醫(yī)學影像作為一種優(yōu)質的醫(yī)療資源，存在巨大的供需缺口。沈琳琳在在醫(yī)學影像診斷方向上師從大佬，敬業(yè)勤懇地精研多年，做了不少對臨床診斷及治療有重要的意義的工作。

沈琳琳和團隊通過普通數(shù)據(jù)增強、圖像分塊、半監(jiān)督標注網(wǎng)絡以及自監(jiān)督任務等對大腦 MRI、細胞病理圖像和口腔數(shù)字掃描數(shù)據(jù)進行分割和分類任務的工作。

其中，“細胞病理圖像智能輔助檢測與診斷系統(tǒng)”便是沈琳琳一項落地數(shù)年的工作。該輔助檢驗的智能系統(tǒng)濾去大量重復枯燥工作，讓醫(yī)務人員更專注于病變疑似區(qū)域。無論是在診斷的效率、質量以及成本都能獲得明顯的收益。

該智能檢驗診斷系統(tǒng)對細胞形態(tài)進行分析中

不可否認，人工智能影像技術在實踐中發(fā)揮了重要作用，其應用空間和發(fā)展前景非常廣闊。但是，AI 在醫(yī)療領域落地困難重重：首先，要突破跨學科融合的難點，需要雙方人員長期的配合和信任、熟悉雙方行業(yè)的溝通語言，達成一定共識；其次，醫(yī)療在信息安全性、算法透明度、數(shù)據(jù)壁壘和數(shù)據(jù)標注等方面存在“黑洞”，面臨著“成本高”“填坑大”的狀況；再者，醫(yī)療領域與生命安全息息相關，每一個環(huán)節(jié)的推進都要慎之又慎。

另外，新技術催生新難題。醫(yī)生的診斷其實不僅僅只看醫(yī)療影像資料，還需要其他數(shù)據(jù)，比如驗血數(shù)據(jù)、臨床數(shù)據(jù)，以及醫(yī)生的經(jīng)驗，各種數(shù)據(jù)綜合起來形成一份智能治療方案。而把多種數(shù)據(jù)融合起來，其實就是多模態(tài)數(shù)據(jù)，可以把當下火熱的大模型融入進來。

要保證 AI 智慧醫(yī)療技術處在創(chuàng)新前沿，幫助解決醫(yī)療領域的現(xiàn)實問題，沈琳琳和團隊仍在與時俱進，持持續(xù)學習中。

AI 智慧協(xié)警辦案

AI 技術在產(chǎn)業(yè)變革中應用廣泛，沈琳琳更愿意帶領學生在實踐項目中感受 AI 的魅力和影響。

沈教授團隊和深圳公安刑警支隊合作，用 AI 幫助法醫(yī)辨別尸體死亡時間，開發(fā)了一款判斷尸體死亡時間的算法，其原理是根據(jù)尸體上蟲子的成長變化，將勘驗檢查和AI 系統(tǒng)結合，大大提高了警務辦案的效率和準確性。

另外，沈琳琳團隊還曾運用 AI 算法，協(xié)助各方追蹤保護云南元江的野生大象。

拉進科研、課堂和產(chǎn)業(yè)的距離

每一年的畢業(yè)季，“十大無用專業(yè)”“十大水課排行”總能引發(fā)關注，這反應了當下學習理論和實際脫節(jié)的一種現(xiàn)狀。對接產(chǎn)業(yè)升級和技術變革趨勢，培養(yǎng)支撐產(chǎn)業(yè)需求的人才，成為我國高校人才培養(yǎng)的新使命。

因為淋過雨，所以想給別人撐把傘。在實際教學和科研工作中，沈琳琳希望通過自身力量縮短課堂、科研和產(chǎn)業(yè)的距離。他對學生不吝惜鼓勵，親和真誠，凡是對學生和社會有益的事情深度參與、親力親為。AI 智慧養(yǎng)殖的“鵝臉識別”項目上，他和學生一道成了半個“養(yǎng)鵝專家”。

他希望青少年明白任何東西都有起落，鼓勵他們做自己感興趣且對社會有意義的事情，不必盲目跟風。

人工智能時代呼嘯而來，沈琳琳認為，“計算機視覺、自然語言、機器人等方向上都大有可為。人工智能行業(yè)有很多種不同水平的工作類型，不同能力的人可以在金字塔的不同位置找到適合自己的崗位，并依靠自己的興趣和努力，在實踐中提升自己的交叉學科理解能力，保持獨立思考，不管你原來的起點如何，只要你堅持做下去，最后總能夠成功�！�