&h2&一、老师及教程推荐&/h2&&p&请参考国内知名设计师&b&张予&/b&的illustrator系列教程，注意教程是收费的！&/p&&p&张予老师为&b&ADOBE专家&/b&组成员，曾编著官方教程，曾参与08年&b&奥运会&/b&、上海世博会、2013年刘德华全国演唱会等多项大型项目。&/p&&p&曾经为人民邮电出版社、清华大学出版社策划出版社艺术类&b&图书50余本&/b&，并有多本出口发行。 &/p&&p&高级案例教程中，将教会大家绘制如下所示的&b&写实插画&/b&。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-a5c3a37a5f08bf8b1c60ad7dc2c6dc1e_b.jpg& data-rawwidth=&717& data-rawheight=&927& class=&origin_image zh-lightbox-thumb& width=&717& data-original=&https://pic3.zhimg.com/v2-a5c3a37a5f08bf8b1c60ad7dc2c6dc1e_r.jpg&&&/figure&&p&&b&入门：&a href=&//link.zhihu.com/?target=http%3A//u.qinxue.com/t17921/51& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&illustrator新手轻松入门教程&/a&&/b&&/p&&blockquote&学生评价1：教师备课很认真，给的AI练习文件可以让我们很快熟悉各个工具的使用！非常适合初学者！
学生评价2：好可爱的老师。
学生评价3：听的出来，老师讲的挺细心的，连发音都是那么的清晰，相信在教程中更能体现出老师的用心程度！给老师点赞！ &/blockquote&&p&&b&进阶：&a href=&//link.zhihu.com/?target=http%3A//u.qinxue.com/t& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&illustrator案例提高教程&/a&&/b&（作者：瑞哥）&/p&&p&&b&高级：&a href=&//link.zhihu.com/?target=http%3A//u.qinxue.com/t& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&illustrator高级技法教程&/a&&/b&&/p&&blockquote&学生评价1：看第一节就被森森地震撼了
学生评价2：恩恩，非常感谢老师细心的答疑，为我解惑，茅塞顿开。老师您辛苦了！我学到不少有用的新知识。很实用。
学生评价3：看起来很难 拆分开来其实也蛮简单的样子 学会之后我要画偶家喵星人 嘻嘻(*^__^*) 嘻嘻……谢谢老师。 &/blockquote&&p&这里面的教程单买比较贵，&a href=&//link.zhihu.com/?target=http%3A//u.qinxue.com/z& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&注册账号&/a&后，399开通年会员可学习所有教程，相对实惠。&/p&&h2&二、老师作品&/h2&&figure&&img src=&https://pic3.zhimg.com/v2-4c3cd53f746d035c03ce383c591cb6ea_b.jpg& data-rawwidth=&900& data-rawheight=&686& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&https://pic3.zhimg.com/v2-4c3cd53f746d035c03ce383c591cb6ea_r.jpg&&&/figure&&br&&figure&&img src=&https://pic3.zhimg.com/v2-05f7aab8becffcc_b.jpg& data-rawwidth=&900& data-rawheight=&716& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&https://pic3.zhimg.com/v2-05f7aab8becffcc_r.jpg&&&/figure&&br&&figure&&img src=&https://pic4.zhimg.com/v2-646d0ffa07e673bc6acf7_b.jpg& data-rawwidth=&900& data-rawheight=&621& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&https://pic4.zhimg.com/v2-646d0ffa07e673bc6acf7_r.jpg&&&/figure&&br&&figure&&img src=&https://pic1.zhimg.com/v2-6e37b835be5e86bb0690_b.jpg& data-rawwidth=&900& data-rawheight=&531& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&https://pic1.zhimg.com/v2-6e37b835be5e86bb0690_r.jpg&&&/figure&&p&嗯，其他的不用多说了！老师的专业实力毋庸置疑，希望大家学有所成！&/p&&br&&h2&&b&关于&a href=&https://www.zhihu.com/people/4e1cfb9f10abbee25e26a1e& class=&internal&&@酷coo豆&/a&&/b& &/h2&&p&平面设计学习日记网创始人。致力为&b&自学设计的朋友&/b&提供优质的书籍、教程、经验等资源参考。目前收集了&a href=&//link.zhihu.com/?target=http%3A//www.xxriji.cn/books/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&100本人气设计书籍&/a&和一些&a href=&//link.zhihu.com/?target=http%3A//www.xxriji.cn/tutorial/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&设计/插画视频教程&/a&，可供设计学习者参考。&/p&&p&更多自学问题，欢迎与我私信。&/p&
一、老师及教程推荐请参考国内知名设计师张予的illustrator系列教程，注意教程是收费的！张予老师为ADOBE专家组成员，曾编著官方教程，曾参与08年奥运会、上海世博会、2013年刘德华全国演唱会等多项大型项目。曾经为人民邮电出版社、清华大学出版社策划出版…
&p&5月23日，AlphaGo 借助深度学习的力量又一次战胜了人类（中国棋手柯洁），而且该版本 AphaGo 的计算能力、学习能力更强了。相信众多开发者，乃至普通大众都对深度学习这个话题产生了强烈的兴趣。因此我们从腾讯云社区的优质文章库中，梳理了一些深度学习的干货，帮助你快速入门深度学习。&/p&&h2&总览式入门&/h2&&p&深度学习被视为当前人工智能领域最热门的一种技术，学好深度学习需先从了解人工智能轻松入手。腾讯 AI Lab 张潼主任和腾讯云技术总监携手带你快速了解人工智能。&/p&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/666041& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&腾讯 AI Lab 张潼主任带你轻松 get AI 新知识&/a&&br&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/250627& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&腾讯云总监手把手教你，如何成为 AI 工程师？&/a&&p&看完以上两篇，是不是对人工智能跟深度学习有了大致的理解，开始坚信人人都可以做深度学习。&/p&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/836806& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&人人都可以做深度学习应用：入门篇（上）&/a&&br&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/836126& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&人人都可以做深度学习应用：入门篇（下）&/a&&h2&实战式入门&/h2&&p&深度学习人门实战&/p&&p&本系列从实战的角度出发，介绍如何使用MXnet、TensorFlow以及利用线性回归模型进行MNIST手写识别的训练。&/p&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/917303& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习入门实战（一）-像 Prisma 一样算法生成梵高风格画像&/a&&br&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/935938& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习入门实战（二）-用 TensorFlow 训练线性回归&/a&&br&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/713051& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习入门实战（三）-图片分类中的逻辑回归&/a&&p&使用腾讯云GPU学习深度学习&/p&&p&本系列文章主要介绍如何使用腾讯云GPU服务器进行深度学习运算，前面主要介绍原理部分，后期则以实践为主。目前正在&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&腾讯云技术社区&/a&火热连载中。&/p&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/790616& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&使用腾讯云 GPU 学习深度学习系列之一：传统机器学习的回顾&/a&&br&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/598765& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&使用腾讯云 GPU 学习深度学习系列之二：Tensorflow简明原理&/a&&br&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/417857& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&使用腾讯云 GPU 学习深度学习系列之三：搭建深度神经网络&/a&&h3&实际应用&/h3&&p&看完以上的文章对深度学习有了更深的认识，接下来让我们看一下如何利用深度学习做一些实际应用？&/p&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/381272& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习 DQN 算法在火影手游的实践&/a&&br&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/645782& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&老司机用神经网络带您安全驾驶&/a&&br&&a href=&https://link.zhihu.com/?target=https%3A//cloud.tencent.com/community/article/020191& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&我们教电脑识别视频字幕&/a&&h3&结语&/h3&&p&是不是还觉得看得不够爽？腾云阁还会继续分享有关深度学习的实战经验，同时也欢迎大家在社区一起交流，优秀经验分享会有惊喜哦！&/p&&p&如果你有一定的技术分享习惯，也想和鹅厂前端、后台技术、安全大牛们深度交流。&/p&&p&那推荐你加入：&a href=&https://link.zhihu.com/?target=https%3A//www.qcloud.com/community/article/593405& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&腾讯云社区技术作者扶持计划 - 腾云阁 - 腾讯云&/a&，和大神们同群抢红包...&/p&
5月23日，AlphaGo 借助深度学习的力量又一次战胜了人类（中国棋手柯洁），而且该版本 AphaGo 的计算能力、学习能力更强了。相信众多开发者，乃至普通大众都对深度学习这个话题产生了强烈的兴趣。因此我们从腾讯云社区的优质文章库中，梳理了一些深度学习的…
&figure&&img src=&https://pic3.zhimg.com/v2-c2b6b34dd4b2f_b.jpg& data-rawwidth=&757& data-rawheight=&568& class=&origin_image zh-lightbox-thumb& width=&757& data-original=&https://pic3.zhimg.com/v2-c2b6b34dd4b2f_r.jpg&&&/figure&&blockquote&&p&&em&李佳，谷歌云机器学习/人工智能研发负责人（Head of R&D, AI/ML, Senior Director at Cloud，Google）。本科毕业于中国科大自动化系。新加坡南洋理工大学硕士。在伊利诺伊大学香槟分校、普林斯顿大学与斯坦福大学跟随李飞飞从事计算机视觉研究。2011 年获斯坦福大学计算机科学博士。曾在谷歌实习，2011 年加入雅虎，2014 年成为雅虎资深研究员，开始领导雅虎实验室的视觉计算和机器学习部门。2015 年 2 月，Snapchat 聘请李佳担任公司研发主管。2016 年加入谷歌。&/em&&/p&&br&&p&在结束乌镇的活动之后，李佳将亮相机器之心 GMIS 2017，分享精彩的主题演讲。&br&&/p&&/blockquote&&p&在乌镇，中国媒体首次见到被李飞飞描述为「斯坦福大学、计算机科学和人工智能领域里另一位女性狠角儿（Another badass woman in Stan, CS and AI）」的李佳。她参与了一场名为「AI 的未来」活动。「看到自己的技术成果能影响到各行各业，让我感觉非常兴奋。」李佳对机器之心说。之所以加入谷歌云，是因为看到很多优秀的人工智能人才聚集在几家高科技公司或者独角兽公司中，其他传统公司没有这个机会，谷歌云能够把机器学习和人工智能带给更多的公司。&/p&&br&&p&去年 11 月，在谷歌 CEO Sundar Pichai 宣布谷歌战略转型后不久，作为谷歌云业务改组的一部分，公司宣布李飞飞和李佳加入谷歌，负责云业务机器学习/人工智能研发工作。公司表示，李飞飞和李佳是谷歌正式将人工智能集团业务正式化的一部分。该团队不会只专注于人工智能研究，而是致力于将尖端技术融入各种 Google Cloud 产品。&/p&&br&&p&当时，人们对李佳的印象来自谷歌云业务负责人 Diane Greene 一句分量不轻的评价上——「世界领先的研究科学家，从业人员和领导者」，但相比李飞飞，她并不太善于在公开场合侃侃而谈。不过，对于人工智能技术应用的使命感，她们想法相似——云平台的数据资源和计算资源都是最大的，希望能把人工智能带到千家万户。&/p&&br&&p&&strong&一&/strong&&/p&&br&&p&和李飞飞加入谷歌不同，李佳的选择并不让人感到意外。2011 年获得斯坦福大学计算机科学博士学位后，李佳一直在公司从事研究工作。人工智能领域产生的科技与人类生活的方方面面都有关。因此，人工智能业界人士应该让这个技术关系到每个人的生活，这十分重要。&/p&&br&&p&2011 年，李佳加入雅虎担任研究员。雅虎拥有当时全球最有趣、最大资料库之一——相片社群网站 Flickr，网站图片数量足够拿来训练人工智能。作为 ImageNet 主要参与者之一，李佳深知数据对于深度学习技术的重要性。&/p&&br&&p&2012 年，AlexNet 在 ImageNet 中获胜，惊艳世人。雅虎也在尝试不是靠图片描述或是用户输入的关键词来搜索图片，而是教会计算机如何识别照片的某种特征。李佳的工作开始有了显著进展。2013 年，李佳研发了一个算法，可以让用户从大规模 Flickr 图片集中发现具有视觉审美性的天气图片。2014 年，李佳担任雅虎实验室的计算机视觉和机器学习部门负责人。这一年，因为对台湾电子商业产品推荐和产品图像搜索所做出的贡献，李佳荣获 2014 年 Superstar Individual Award，这也是公司设立的最高奖项。每年，公司会从 1 万多名员工选出 11 名获奖者。&/p&&br&&p&这一年，正好是深度学习丰收的一年。VGG、GoogLeNet 接连出现，深度学习模型在图像内容分类方面和视频分类方面有了极大的应用。深度学习不再是海市蜃楼，越来越接地气。许多曾对深度学习和神经网络都保持怀疑态度的人开始涌入深度学习。2015 年，在 1000 类的图像识别中，ResNet 超过人类水平。很多拥有丰富数据的公司开始组建自己的人工智能团队。&/p&&br&&p&Snapchat 就是其中之一。这家以不断创新著称的公司打算建设一支研发团队（亦即后来的 Snap Research），通过复杂的算法对图片和视频等用户数据进行深入分析，做出更多更好玩的应用产品。李佳成为这家公司启动研发的关键人物。2015 年 2 月，李佳担任公司研发主管并领导该团队。&/p&&br&&p&&em&&figure&&img src=&https://pic2.zhimg.com/v2-2e0a0f683cbc_b.png& data-rawwidth=&1213& data-rawheight=&652& class=&origin_image zh-lightbox-thumb& width=&1213& data-original=&https://pic2.zhimg.com/v2-2e0a0f683cbc_r.jpg&&&/figure&Snapchat 的创新&/em&&br&&/p&&br&&p&2015 年，Snap 分别上线了「滤镜」、「赞助滤镜」（sponsored lenses）等一系列新功能都离不开 Snap 在人脸识别、3D 建模等方面获取的技术。&/p&&br&&p&&figure&&img src=&https://pic1.zhimg.com/v2-d81b53a35becde49fc440_b.png& data-rawwidth=&1653& data-rawheight=&961& class=&origin_image zh-lightbox-thumb& width=&1653& data-original=&https://pic1.zhimg.com/v2-d81b53a35becde49fc440_r.jpg&&&/figure&2015年，Snapchat 为 Live Stories 增加 Story Explorer 功能，用户观看某个视频时，可以通过不断滑动视频，借助其他用户的拍摄，从多个角度来观看同一事件或场景，比如，一场秀的其他情况或者一辆车的，而不仅仅局限在自己的拍摄角度里。功能的实现需要很多昂贵的计算机分析视频，进而选择要在 Story Explorer 里展示的内容。这些算法会考虑视频中的物体、递交时间和定位等数据。&/p&&br&&a class=&video-box& href=&http://link.zhihu.com/?target=https%3A//v.qq.com/x/page/h0506653hos.html& target=&_blank& data-video-id=&& data-video-playable=&& data-name=&story explorer_腾讯视频& data-poster=&https://puui.qpic.cn/qqvideo_ori/0/h0506653hos_228_128/0& data-lens-id=&&&
&img class=&thumbnail& src=&https://puui.qpic.cn/qqvideo_ori/0/h0506653hos_228_128/0&&&span class=&content&&
&span class=&title&&story explorer_腾讯视频&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&https://v.qq.com/x/page/h0506653hos.html&/span&
&p&期间，李佳团队的 ACM 论文 &em&Multi-view face detection using deep convolutional neural networks&/em& 提出了一个新的多角度面部检测方法 Deep Dense Face Detector（DDFD），这个方法不需要标注，单个基于 CNN 的模型就可以实现多角度检测面部，比当前最新的方法方便很多。&/p&&br&&p&2016 年 4 月份，Snap 又推出了一种新功能 3D stickers，用户可以将 emoji 贴到视频中任何一个目标物体上，emoji 还可以一直跟踪移动的目标物体，技术也出自李佳团队。&/p&&br&&figure&&img src=&https://pic2.zhimg.com/v2-78bbd58c872f5aff5719_b.png& data-rawwidth=&1246& data-rawheight=&855& class=&origin_image zh-lightbox-thumb& width=&1246& data-original=&https://pic2.zhimg.com/v2-78bbd58c872f5aff5719_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/v2-c57ad800c15a6403affeb4f7efd1ae97_b.jpg& data-rawwidth=&680& data-rawheight=&356& data-thumbnail=&https://pic4.zhimg.com/v2-c57ad800c15a6403affeb4f7efd1ae97_b.jpg& class=&origin_image zh-lightbox-thumb& width=&680& data-original=&https://pic4.zhimg.com/v2-c57ad800c15a6403affeb4f7efd1ae97_r.jpg&&&/figure&&p&担任 Snapchat 研究负责人期间，李佳还担任了 2016 CVPR 产业关系（Industrial Relationship）主席，以及 Springer 的&em& International Journal of Computer Graphics&/em& 的计算机副主编。&/p&&br&&p&&strong&二&/strong&&/p&&br&&p&技术融入产品固然重要，但是研究成果也需要肥沃的土壤。&/p&&br&&p&1998 年，贝尔实验室，LeCun 首次将 CNN 用于实践，打造出一个可以识别手写数字的系统 LeNet5。不过，后来一段时期，模型没能火起来。20 世纪 90 年代末，神经网络和反向传播被机器学习社区大量遗弃，同时也被计算机视觉和语音识别领域忽略。人们普遍认为，学习有用的、多层级的、几乎不靠先验知识的特征提取器并不现实可行。此时，李佳正从重庆一所中学进入中科大自动化系学习。&/p&&br&&p&2006 年，Hinton 在深层神经网络训练上取得了突破，向学界了展示了深度学习的可靠性。他发表在&em& Science&/em& 上的 &em&Reducing the Dimensionality of Data with Neural Networks &/em&成为深度学习史上一个里程碑。此时，李佳已经在美国跟随李飞飞从事计算机视觉学习和研究。&/p&&br&&blockquote&&p&&em&这些研究人员引入无监督学习程序——无需标记数据便可创建特征检测器层。各层特征检测器的学习目标便是在下一层重构或模拟特征检测器（或原始输入）的活动。利用这种重构学习目标来「预训练（pre-training）」几层复杂度递增的特征检测器，深层网络的权重可以被初始化为合理值。接着，最终层的输出单元可被添加到网络顶端，整个深度系统可被微调至使用标准的反向传播。在识别手写数字或检测行人时，特别是当标记的数据量非常有限的时候，这一程序非常有效。&/em&&/p&&/blockquote&&br&&p&深度学习正值爆发前夜，剩下要做的就是让世人看到深度学习的实际效果。但是，又遇到数据集这个老问题。&/p&&br&&p&早在 1986 年，Rumelhart、Hinton 等人就在&em& Nature&/em& 上发表 &em&Learning Internal Representations by Error Propagation&/em&，将反向传播算法用于训练神经网络，使得神经网络的训练变得简单可行。但是，由于训练数据集规模太小，加上计算资源有限，训练一个较小的网络也需要很长的时间。与其它模型相比，在识别准确率上也没有明显优势，更多的学者更青睐浅层机器学习模型，比如支持向量机、Boosting。&/p&&br&&p&幸运的是，与二十年前不同。2000 年以来，互联网开始大量产生各种各样的图片数据。大规模数据集也相伴而生，这为通过机器学习的方法来做计算机视觉提供了土壤。2007 年，在普林斯顿大学，李飞飞等研究人员开始着手一项庞大的任务。他们通过众包的方式，标注了 1400 万张图片，分了大概 2 万多个类别，这些类别包罗万物，比如像动物，里边可能分为鸟类、鱼类等；植物，里面可能会分为树和花。他们希望提供一个数据集，为计算机视觉算法提供一个数据土壤，让未来的机器能够认识世界上一切物品。&/p&&br&&p&李佳是这个项目的主要参与者。2009 年，在斯坦福大学读博士期间，李佳以第四作者发表了论文&em& ImageNet: A large-scale hierarchical image database&/em&，被 CVPR 2009 接收。论文开创了迄今为止被应用最广泛的图像数据集 ImageNet，它也是全球最大的图像识别数据库。这篇论文也是李佳本人（到目前为止）影响力最大、引用率最高的论文。&/p&&br&&p&2012 年，ImageNet 遇见深度学习，结果几乎重新定义了计算机视觉研究。这一年，Hinton 和学生 Alex Krizhevsky 参加了 ImageNet。在此之前，卷积神经网络在很大程度上并未获得主流计算机视觉和机器学习团体青睐。Alex Krizhevsky 用 GPU 做出一个 Deep Learning 模型，摘取 ILSVRC 2012 桂冠，在 ImageNet 上，效果大幅度超过传统方法，从传统的 70% 多提升到 80% 多。这个 Deep Learning 模型就是 AlexNet。AlexNet 的突破，除了得益于 GPU 和算法改进，大量数据也功不可没，Deep Learning 领域应该感谢 ImageNet。在 AlexNet 获得冠军后，第二年 ImageNet ILSVRC 2013 大赛上，排名前 20 的小组使用的都是深度学习技术。如今，卷积神经网络几乎覆盖所有识别和检测任务。&/p&&br&&p&李佳的领英中写着这样一句话「人工智能民主化（Democratize AI）」，或许为她在数据集建设方面的工作做了最好的总结。正如李飞飞所说，数据是民主化的另一部分，像人类一样，人工智能需要大量数据为自我发展提供洞见。因此，数据集是人工智能需要克服的最大障碍中的一个。&/p&&br&&p&&strong&三&/strong&&/p&&br&&p&当被问及如何评价 Visual Genome 时，李佳说「这是升级版的 ImageNet。」数据集的搭建，往往包含着参与者对所处领域现状和未来的思考。&/p&&br&&p&2010 年到 2017 年，计算机视觉研究的主要进步发生在感知领域，比如物体识别、图像标注、物体检测等，我们也有了应用产品，比如谷歌照片、行人检测系统等。接下来，更重要的课题是认知方面。如果说 ImageNet 是参与者对 2016 年之前深度学习研究状态的思考和判断，那么，接下来计算机视觉的研究方向是什么？&/p&&br&&p&李飞飞认为，语言中的很大一部分都是有关描述视觉世界的。视觉在交流和语言等方面占据着很重要的地位，我们讲故事、辨别事物、区分视频类别都是在进行图像识别。因此，将计算机视觉和语言结合在一起会非常有趣。「一个人坐在办公室里，但布局是怎样的，那个人是谁，他在干什么，周围有什么物体，在发生着什么事？」&/p&&br&&p&在分析更复杂场景的任务中，深度学习很有可能将扮演关键角色。但是，技术会对数据提出更多的要求。因为理解一个视觉场景（visual scene）不只是要理解单独的一个个物体。物体之间的关系也能提供丰富的有关这个场景的语义信息（semantic information）。&/p&&br&&blockquote&&p&&em&尽管感知任务方面进展显著，比如图像分类，但是，计算机仍无法很好完成认知任务，比如图像描述以及问答。认知不仅仅是识别任务的核心，对视觉内容进行推理也离不开认知。但是，在认知任务中，被用来理解图像丰富内容的模型的训练数据集，仍然是那些被设用来解决认知任务的数据集。然而，要在漂亮完成认知任务，模型就要搞理解图像中物体之间的关系。比如，当被问道「这个人骑的什么交通工具？」，计算机需要识别出图像中物体，以及骑（人，车）与牵引（马，车）的关系，这样才能做出正确的回答：人坐马车。&/em&&br&&/p&&/blockquote&&p&谷歌、Facebook 和其它公司正在推进人工智能算法解析视觉场景的能力。2014 年，谷歌发布的研究展示了一种能够在多种精度上为图像提供基本说明的算法。Facebook 也展示过一个能够回答有关图像的基本问题的问答系统。有趣的是，2017 年 IJCAI 计算机和思想奖获得者 Devi Parikh 也是从事 VQA 研究。&/p&&br&&p&「我们也正在搭建（从理解）到语言的桥梁，因为交流的方式并不是将数字分配到像素上——你需要将感知和认知与语言连接起来。」2016 初，李佳参与了 Visual Genome 项目（&em&Visual genome: Connecting language and vision using crowdsourced dense image annotations&/em&），旨在帮助研究人员为这种关系建模。研究人员收集了物体、特征、以及关系的密集标注，用来学习这些模型。较之于 ImageNet（也由 Stanford 大学维护），Visual Genome 图像标签更为丰富，包括名字、图片的不同细节，以及在对象和动作信息之间的关系，语义信息更丰富，可用以拓展更加丰富的基于图像及语义信息的人工智能应用。&/p&&br&&blockquote&&p&&em&目前，这个数据集包括 108249 张图片、420 万区域内容描述（Region Descriptions）、170 万图像内容问答（Visual Question Answers）、210 万对象案例（Object Instances）、180 万属性（Attributes）、180 万关系（Relationships）。我们规范转化了从物体、属性、关系、区域描述里的名词短语和问答对到 WordNet 同义词集的关系。这些注释代表了图像描述、物体、属性、关系和问答里最密集、规模最大的数据集。&/em&&br&&/p&&/blockquote&&p&这是第一个能够提供结构化地对图片进行形式化表示的数据集，在这种形式下能够大量用于 NLP 的基于知识的展示中。「这个数据集为两种模式结合与新模型测试提供了一个新的可扩展的方法。」&/p&&br&&p&可以想见，它们还能训练计算机了解物理可能的概念或不可能发生的概念，从而让计算机拥有更多常识。Richard Sochar 说，这可能就是这一项目中最重要的一面。&/p&&br&&p&&em&&figure&&img src=&https://pic4.zhimg.com/v2-9cd9c0ecaa456f_b.png& data-rawwidth=&1024& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic4.zhimg.com/v2-9cd9c0ecaa456f_r.jpg&&&/figure&Visual Genome 是一个数据集，知识库，不断努力把结构化的图像概念和语言连接起来&/em&&/p&&br&&p&和建立了两个被人工智能研究者广泛用来教会机器分类物体的数据库的李飞飞相似，李佳也着手了另一个重要多媒体数据库的建立。2016 年，李佳 ACM 论文&em& YFCC100M: the new data in multimeesearch&/em& 介绍了 Yahoo Flickr Creative Commons 100 Million Dataseta（YFCC100M）数据集，这是一个包含令人关注且科学上实用的数据集的参考库，也是有史以来最庞大的公共多媒体集合，包含总计 1 亿个媒体对象（大约 9920 万张照片，80 万个视频）和标签，它们全都是上传至 Flickr 并根据 CC 商用或非商用许可证发布。与许多数据集一样，YFCC100M 也处于不断演进之中。YFCC100M 数据集克服了影响现有多媒体数据集的许多问题，例如在形态、元数据、许可以及最主要的体积大小方面。&/p&&br&&p&&strong&四&/strong&&/p&&br&&p&除了数据集方面的重要贡献，李佳在图像识别和场景理解领域也做出了自己的贡献。下图给出了 Semantic Scholar 统计的李佳的学术影响力和影响关系，可以看到，李飞飞和李佳的研究合作关系非常紧密。&/p&&br&&figure&&img src=&https://pic4.zhimg.com/v2-68832cefb067de6c101b_b.png& data-rawwidth=&1671& data-rawheight=&749& class=&origin_image zh-lightbox-thumb& width=&1671& data-original=&https://pic4.zhimg.com/v2-68832cefb067de6c101b_r.jpg&&&/figure&&br&&p&李佳发表过的其它一些重要论文，涉及高层特征分析、场景理解等多个方向。尤其是在 2010 年，带有李佳的姓名的论文出现在了 NIPS、ECCV、CVPR 等顶级学术会议上，其中一些研究结果达到了当时的最佳水平，甚至有的已经成为了后来进一步研究的常用方法。&/p&&br&&p&比如在 NIPS 2010 上，李佳等人（其他作者包括李飞飞、邢波）在论文 &em&Object Bank: A High-Level Image Representation for Scene Classification and Semantic Feature Sparsification &/em&中提出的 Object Bank 描述方法。这种方法的主要思想是在更高的层面上提取出一张图片中尽可能多的物体的信息，将其组合起来，使其有助于场景的分类（尽管低水平特征在场景分类以及物体识别中有着比较好的应用，但其包含的语义信息却更少）。用 Object 作为特征，计算图像对不同特征的响应，并根据其响应情况进行分类。该方法不仅能够用于图像分类，还能说明图像中存在哪些种类的 Object。&/p&&br&&figure&&img src=&https://pic2.zhimg.com/v2-e0e2ee7d0f0b76b9ec3c1_b.png& data-rawwidth=&1469& data-rawheight=&615& class=&origin_image zh-lightbox-thumb& width=&1469& data-original=&https://pic2.zhimg.com/v2-e0e2ee7d0f0b76b9ec3c1_r.jpg&&&/figure&&p&而在复杂场景理解方面，李佳等研究者的另一项 NIPS 2010 研究 &em&Large Margin Learning of Upstream Scene Understanding Models &/em&试图带来一些进步。在这篇论文中，研究者提出了一种最大边界（max-margin）和最大似然学习（max-likelihood learning）的联合方法来解决复杂场景的理解问题，其中隐主题发现和预测模型估计是紧密耦合的，并且得到了很好的平衡。通过使用一个变分 EM 流程，这个优化问题得到了有效的解决，其能迭代式地解决在线损失增强的 SVM。&/p&&br&&p&另外在场景分类方面。李佳等研究者在 ECCV 2010 的论文&em& Objects as Attributes for Scene Classification &/em&中提出了将物体用作场景属性以进行场景分类的方法。这些表征带有高层面语义信息，使其更加适合高层面的视觉识别任务。该研究表明我们可以使用支持向量机等已有的分类器来在物体层面上进行场景分类等高层面的视觉任务。在当时的标准下，该方法的表现超越了之前的其它方法。&/p&&br&&p&场景中的内容也是李佳的研究目标之一。在 CVPR 2010 上，李佳第一作者的论文 &em&Building and Using a Semantivisual Image Hierarchy &/em&提出了一种通过整合图像和标签信息来自动发现「语义视觉（semantivisual）」图像层次的新方法。该方法可结合图像的语义和视觉信息来有效创建图像层次，且相对于其它的分层方法，本论文所提出的语义视觉层次更有意义、更精确。&/p&&br&&p&&strong&结语&/strong&&/p&&br&&p&在刚刚结束不久的谷歌 I/O 开发者大会上，Google Lens 引发不少关注。除了拍照识物，还能随便扫描一家餐馆，然后自动在 Google 的数据库里找到对应资料显示出来，包括点名、菜式、评分、打烊时间等。Google Photos 也变得更加聪明。利用机器学习技术，它能提醒用户自动与照片中的人共享照片 ，据说未来还将整合 Google Lens 的图像识别能力，提供一系列新特性，比如识别照片中的电话号码。&/p&&br&&p&这些技术的发展和应用会继续改善我们的生活，李佳为计算机视觉领域所做出的基础性贡献也仍然将继续推动这一领域的发展，其女性身份也在激励着新一代女性进入计算机科学等前沿研究领域和更广泛地参与到科技领域的发展进步中。&/p&&br&&p&谷歌云业务负责人 Diane Greene 曾说，最令人欣喜的一点是李飞飞和李佳均为女性。在人工智能领域，各大高校和技术公司的重要研究岗位上一直缺乏女性。她们两人代表着人工智能热门领域的、世界领先的研究科学家、实践者和领导者。&/p&&p&&b&机器之心原创&/b&&/p&
李佳，谷歌云机器学习/人工智能研发负责人（Head of R&D, AI/ML, Senior Director at Cloud，Google）。本科毕业于中国科大自动化系。新加坡南洋理工大学硕士。在伊利诺伊大学香槟分校、普林斯顿大学与斯坦福大学跟随李飞飞从事计算机视觉研究。2011 年获斯…
【更新了一个小例子】【极多图预警】&br&&br&&br&朋友们别光感谢和收藏啊！收藏比赞都多！如果有帮助点个赞呗？(￣▽￣)&br&&br&——————插一句分割线—————&br&&br&&br&举个小例子这些书给我带来的帮助吧，刚才潦涂了一幅小画，脸部作画步骤是学习“忻东旺 细节”，非常有条理地铺上色。&br&然后铺色的色调又是学习了谢东明的油画写生教程：铺颜色一开始可以铺得非常过火，在塑造过程中慢慢就变灰了。（脸颊这里一开始我就是直接板刷沾纯朱红往上蹭）&br&最后画衣服又是学了陈丹青的归国十年里琢磨出来的：衣服可以先平涂黑色（或其他暗色）然后用小板刷抹上衣服亮部颜色，简单，不能抢脸。&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-6a2aec8398e91bfd5b2d0_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-6a2aec8398e91bfd5b2d0_r.jpg&&&/figure&&br&&br&&br&&br&本来是不想回答问题的…费半天劲答完还不如大V们发个自拍赞多，但看到这个问题真心感觉太适合我答了！所以再试一次，万一你们喜欢呢嘿嘿嘿！&br&【顺便强烈反对一下一些答主说的书不重要！我能画成现在这个样子，看书分析书给我提供了很大的帮助！】&br&&br&&br&&figure&&img data-rawheight=&1136& src=&https://pic3.zhimg.com/v2-71ebcee1aca_b.jpg& data-rawwidth=&2048& class=&origin_image zh-lightbox-thumb& width=&2048& data-original=&https://pic3.zhimg.com/v2-71ebcee1aca_r.jpg&&&/figure&&br&&figure&&img data-rawheight=&1615& src=&https://pic1.zhimg.com/v2-38084fab1a61aa6eca4add7373aef78c_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-38084fab1a61aa6eca4add7373aef78c_r.jpg&&&/figure&&br&&figure&&img data-rawheight=&1340& src=&https://pic1.zhimg.com/v2-4b832b83c1d3b500f1fc4_b.jpg& data-rawwidth=&1340& class=&origin_image zh-lightbox-thumb& width=&1340& data-original=&https://pic1.zhimg.com/v2-4b832b83c1d3b500f1fc4_r.jpg&&&/figure&&br&&br&&br&开始咯&br&&br&&b&我的美术类的书可以分三类：&br&1.艺术史&br&2.基础理论（内含技法与材料）&br&3.某领域的专门介绍（也可以叫它临摹图片加一点介绍文字）【重头戏】&/b&&br&&br&先介绍一大类：艺术史类&br&&br&&br&艺术的故事，很厚的一本，讲的非常详细，看的人也比较多。&br&&figure&&img data-rawheight=&1707& src=&https://pic2.zhimg.com/v2-6acfb113ee2c7e9d53b71_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic2.zhimg.com/v2-6acfb113ee2c7e9d53b71_r.jpg&&&/figure&&br&&br&&br&蒋勋老先生的，语言比上一本易懂一点，薄一点，适合入门读。&br&&figure&&img data-rawheight=&1707& src=&https://pic4.zhimg.com/v2-c9e21d7ad9bdf_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic4.zhimg.com/v2-c9e21d7ad9bdf_r.jpg&&&/figure&&br&&br&&br&&br&BBC出品，有纪录片，讲了八位艺术大师，所以也算是艺术史吧～&br&买这本书是因为老师给讲了里面卡拉瓦乔的身世故事，感触很大，买之。&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic3.zhimg.com/v2-3adf457fa708db5baf973ba_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic3.zhimg.com/v2-3adf457fa708db5baf973ba_r.jpg&&&/figure&&br&&br&&br&&br&大卫霍克尼的这本书主要就论证了一个观点：&br&安格尔等大师的画原来是利用透镜描出来的！这个观点掀翻了整个欧洲艺术史！但是其实你们知道这点就好，没必要买，嘻嘻&br&霍克尼：我打屎你喔(??Д?)」&br&&figure&&img data-rawheight=&1707& src=&https://pic4.zhimg.com/v2-c5133c6dfb91d90b01a09ac5f3bc11ef_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic4.zhimg.com/v2-c5133c6dfb91d90b01a09ac5f3bc11ef_r.jpg&&&/figure&&br&&br&艺术史篇就先到这，下面是理论及教学篇～&br&&br&&br&&br&内容如标题，好处是干货极多，美术生必备，坏处呢，这干货…太干了，像答主这种理解力差的，一页得看半天…&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-1cd22cefb2bea4feb91fac_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-1cd22cefb2bea4feb91fac_r.jpg&&&/figure&&br&&br&&br&&br&&br&央美教材，干货多，教了很多绘画思路上的东西，这是其他书写得较少的&br&&figure&&img data-rawheight=&1707& src=&https://pic3.zhimg.com/v2-7cf59cfced726b998e8ec2_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic3.zhimg.com/v2-7cf59cfced726b998e8ec2_r.jpg&&&/figure&&br&&br&&br&面部表情完全指南，内容如题，分析的很到位，画创作的同学可以借鉴&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic4.zhimg.com/v2-b0dae011be24c101f00dd844bdfa9d43_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic4.zhimg.com/v2-b0dae011be24c101f00dd844bdfa9d43_r.jpg&&&/figure&&br&&br&&br&&br&天美的留法教授写的，在网易公开课可以搜到视频。内容比较精炼，从技法的演变写艺术史。&br&&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-61ae88b0644_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-61ae88b0644_r.jpg&&&/figure&&br&谢东明&br&&br&&br&&br&&br&&br&&br&谢东明，记得好像是央美的教授？薄薄一本，适合写生的同学看，里面教的观念很好。&br&&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic3.zhimg.com/v2-bd09f11fea9e_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic3.zhimg.com/v2-bd09f11fea9e_r.jpg&&&/figure&&br&&br&&br&&br&&br&&br&&br&&br&&br&也是技法方面的书，比多奈儿那本更现代一些。&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic4.zhimg.com/v2-c332d93c05add5ceddac61d3d5fc3223_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic4.zhimg.com/v2-c332d93c05add5ceddac61d3d5fc3223_r.jpg&&&/figure&&br&&br&&br&&br&&br&&br&（首先应该对这本书的作者说抱歉…很好的一本书，画烂了心情不好的时候随手抓起来扔坏了……）&br&这本书的作者是跟着老毛子的那一套学的，想学俄罗斯那套的同学可以借鉴（不得不说，毛子的画就是厉害）&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-980ef6e84fc58a21ce0c_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-980ef6e84fc58a21ce0c_r.jpg&&&/figure&&br&&br&&br&刘溢老师自己琢磨出来的技法，主要是用现代材料省时省力的，尽可能恢复繁琐的古典油画样貌。不懂色彩都没关系，古典重素描，再了解清楚技法，就能画出来很唬人的画。&br&&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-97a75ac4fa0aec90d283d4_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-97a75ac4fa0aec90d283d4_r.jpg&&&/figure&&br&&br&&br&&br&&br&列宾美院的，内容没什么可挑剔的。论结构方面，还是毛子牛。&br&&br&&br&&figure&&img data-rawheight=&1708& src=&https://pic1.zhimg.com/v2-d8dfbb2fed4ce1e78c49b818e6aac348_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-d8dfbb2fed4ce1e78c49b818e6aac348_r.jpg&&&/figure&&br&&br&&br&&br&&br&&br&这两本书就放一块儿啦嘿嘿嘿，内容如题，对画创作的同学非常有帮助。&br&顺便推荐一下下面那本的作者，孙韬先生，人体素描是公认的牛。&br&（是答主老师的老师呢）&br&&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic3.zhimg.com/v2-3d6c6a9e0bdbb844fd57425a_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic3.zhimg.com/v2-3d6c6a9e0bdbb844fd57425a_r.jpg&&&/figure&&br&&br&&br&&br&这本书呢，比较偏哲学，哪位想画的比较有内涵的同学可以看看。&br&&figure&&img data-rawheight=&1707& src=&https://pic3.zhimg.com/v2-2ae7f8afae6f4df351d0732_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic3.zhimg.com/v2-2ae7f8afae6f4df351d0732_r.jpg&&&/figure&&br&&br&&br&&br&&br&&br&理论及教程篇就先到这，下面是第三篇：专辑介绍（临摹册）。由于每个人口味不同，我便不对画本身作评价，&b&&u&分级只是个人对印刷质量的评价，满分三分&/u&&/b&。&br&&br&&br&&br&【千万不要小看印刷质量！例如修拉的大碗岛的星期天下午，以前怎么看都不明白怎么这么恶心人的画能被捧到这么高呢，直到后来我买了一本一千二人民币的一本画册…虽说跟原作比起来肯定有差距，但是那也是看的都懵逼了…】&br&&br&&br&就是这本了…超级厚超级沉&br&评价：3分&br&&figure&&img data-rawheight=&1707& src=&https://pic4.zhimg.com/v2-02a742a8f3ebbf018bf11c81a4e650df_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic4.zhimg.com/v2-02a742a8f3ebbf018bf11c81a4e650df_r.jpg&&&/figure&&br&&br&&br&内容如题（这本会有一些文字介绍）&br&印刷评分：3分&br&（这本是我买过最值的一本之一，印刷好，图多书沉，相比之下还不算太贵，200出头）&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-ad05ce2cadffca1dddbfaac_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-ad05ce2cadffca1dddbfaac_r.jpg&&&/figure&&br&&br&&br&&br&&br&伦勃朗：&br&评价：三分。&br&&figure&&img data-rawheight=&1707& src=&https://pic3.zhimg.com/v2-aa1c84a609c8cdd51f22e9e_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic3.zhimg.com/v2-aa1c84a609c8cdd51f22e9e_r.jpg&&&/figure&&br&&br&&br&梵高，&br&三分。&br&&figure&&img data-rawheight=&1707& src=&https://pic2.zhimg.com/v2-b0b503f84ab1fa3120cd_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic2.zhimg.com/v2-b0b503f84ab1fa3120cd_r.jpg&&&/figure&&br&&br&&br&&br&&br&弗洛伊德，3分&br&&figure&&img data-rawheight=&1707& src=&https://pic2.zhimg.com/v2-9adfcb6a0a82b8d9aba9_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic2.zhimg.com/v2-9adfcb6a0a82b8d9aba9_r.jpg&&&/figure&&br&&br&&br&&br&三分的都放一起好了，下面都是三分，直到出现分割线提示。&br&&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-6addc52e4c4a81d14deb4e8_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-6addc52e4c4a81d14deb4e8_r.jpg&&&/figure&&br&&br&&br&&figure&&img data-rawheight=&1707& src=&https://pic3.zhimg.com/v2-6fd901e01f631d9a70c56d45bb7ed752_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic3.zhimg.com/v2-6fd901e01f631d9a70c56d45bb7ed752_r.jpg&&&/figure&&br&&br&&br&弗洛伊德工作室：内有过程图。看了才知道原来弗洛伊德是推着画的……&br&&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-9290cec1e8f8dfef6a988_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-9290cec1e8f8dfef6a988_r.jpg&&&/figure&&br&&br&弗拉芒与荷兰地区绘画（鲁本斯伦勃朗等大师）&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-18e723f0b77fb9ec4dae77dce7dd9f90_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-18e723f0b77fb9ec4dae77dce7dd9f90_r.jpg&&&/figure&&br&&br&人美社有很多好书～&br&&figure&&img data-rawheight=&1707& src=&https://pic1.zhimg.com/v2-61edb8c30cd3d1a9d94d514_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-61edb8c30cd3d1a9d94d514_r.jpg&&&/figure&&br&&br&&br&这个系列强推！性价比超高！适合临摹！&br&&figure&&img data-rawheight=&1280& src=&https://pic4.zhimg.com/v2-89bf0fdd028f8ebf7a9c277_b.jpg& data-rawwidth=&1707& class=&origin_image zh-lightbox-thumb& width=&1707& data-original=&https://pic4.zhimg.com/v2-89bf0fdd028f8ebf7a9c277_r.jpg&&&/figure&&br&&br&&br&这个也是，临摹专用，背面有放大版的，就是小贵，一张20&br&&figure&&img data-rawheight=&1707& src=&https://pic3.zhimg.com/v2-a2e45bf8e5b3bb30f81dce_b.jpg& data-rawwidth=&1280& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic3.zhimg.com/v2-a2e45bf8e5b3bb30f81dce_r.jpg&&&/figure&&br&&br&能翻到这儿的都是真o爱画画的同学啊。三级质量的先发到这儿吧，话说有没有想听听我自学为主学画的经验的？用赞或者留言告诉我～人多再开一个回答讲(￣▽￣)～&br&&br&&br&——————三级分割线—————————
【更新了一个小例子】【极多图预警】 朋友们别光感谢和收藏啊！收藏比赞都多！如果有帮助点个赞呗？(￣▽￣) ——————插一句分割线————— 举个小例子这些书给我带来的帮助吧，刚才潦涂了一幅小画，脸部作画步骤是学习“忻东旺 细节”，非常有条理地…
&figure&&img src=&https://pic1.zhimg.com/v2-eedf347faba0a72fbed60d_b.jpg& data-rawwidth=&450& data-rawheight=&461& class=&origin_image zh-lightbox-thumb& width=&450& data-original=&https://pic1.zhimg.com/v2-eedf347faba0a72fbed60d_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/v2-23ffba4aa9ed317d_b.jpg& data-rawwidth=&500& data-rawheight=&157& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-23ffba4aa9ed317d_r.jpg&&&/figure&&br&&p&随着人工智能的崛起，一个叫ImageNET视觉识别的挑战赛（ILSVRC）在近几年里备受瞩目。&/p&&p&这个挑战赛要求参赛团队使用&strong&ImageNet——全球最大的图像识别数据库&/strong&，测试他们系统的运行情况。&/p&&br&&figure&&img src=&https://pic3.zhimg.com/v2-adba3d443f8cac3fda4bf91b5ee76972_b.jpg& data-rawwidth=&640& data-rawheight=&320& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-adba3d443f8cac3fda4bf91b5ee76972_r.jpg&&&/figure&&br&&p&图：ILSVRC&/p&&p&而这个&strong&计算机视觉领域的“奥赛”&/strong&，也一直吸引着该领域的顶级研究机构（包括&strong&微软、谷歌、百度&/strong&等）为之争得头破血流。&/p&&br&&p&在2015年，&strong&百度还涉嫌在测试过程中作弊，被ImageNet挑战赛提出禁赛一年。&/strong&&/p&&br&&br&&figure&&img src=&https://pic4.zhimg.com/v2-bbc6f85eb872c5bb1ae3_b.jpg& data-rawwidth=&606& data-rawheight=&224& class=&origin_image zh-lightbox-thumb& width=&606& data-original=&https://pic4.zhimg.com/v2-bbc6f85eb872c5bb1ae3_r.jpg&&&/figure&&br&&p&而提起ImageNet，就不得不说它的背后的缔造者——&strong&李飞飞。&/strong&&/p&&br&&p&她不但是这场挑战赛背后的&strong&“美女考官”&/strong&，还是ImageNet这个全球最大图像识别数据库的&strong&主创者。&/strong&&/p&&br&&figure&&img src=&https://pic3.zhimg.com/v2-eedf347faba0a72fbed60d_b.jpg& data-rawwidth=&450& data-rawheight=&461& class=&origin_image zh-lightbox-thumb& width=&450& data-original=&https://pic3.zhimg.com/v2-eedf347faba0a72fbed60d_r.jpg&&&/figure&&br&&p&图;李飞飞&/p&&br&&p&&strong&李飞飞，这三个字几乎是AI（人工智能）界无人不晓的名字。&/strong&&/p&&br&&br&&p&她不仅是&strong&斯坦福AI实验室主任&/strong&，还是&strong&斯坦福大学的终身教授。&/strong&&/p&&p&&strong&在顶级期刊上，她的高质量文章就有100篇以上，引用量更是高达次。&/strong&&/p&&br&&br&&p&2015年入选&strong&“世界百大思想者”&/strong&，2016年她还被美国评为&strong&“年度杰出移民”&/strong&之一，以前获此殊荣的还有爱因斯坦、基辛格等&/p&&br&&figure&&img src=&https://pic3.zhimg.com/v2-a9dee4fcab46_b.jpg& data-rawwidth=&450& data-rawheight=&474& class=&origin_image zh-lightbox-thumb& width=&450& data-original=&https://pic3.zhimg.com/v2-a9dee4fcab46_r.jpg&&&/figure&&br&&br&&p&前一阵子，谷歌宣布李飞飞成为谷歌云计算首席科学家，也在业界更是引起了不少轰动。&/p&&br&&p&此前，李飞飞一直都专注于实验室，与业界联系不深。&/p&&p&她现在走出实验室的举动，让许多人都对人工智能的发展了充满信心。&/p&&br&&figure&&img src=&https://pic3.zhimg.com/v2-e011c8de6ce_b.jpg& data-rawwidth=&492& data-rawheight=&507& class=&origin_image zh-lightbox-thumb& width=&492& data-original=&https://pic3.zhimg.com/v2-e011c8de6ce_r.jpg&&&/figure&&br&&br&&p&&strong&然而，这位站在金字塔顶端的女科学家背后，却有着一段鲜为人知的励志人生。&/strong&&/p&&p&&strong&早年的她竟然还有过清洁工、中餐馆收银员、帮人遛狗、开干洗店等工作经验。&/strong&&/p&&br&&p&...&/p&&br&&br&&p&1976年出生的李飞飞在四川长大。&/p&&p&16岁时，她便随父母远渡重洋来到充满希望的美国，落户在新泽西洲的Parsippany小镇。&/p&&br&&br&&p&但李飞飞并不是富二代，父母都是清贫的知识分子。&/p&&p&&strong&初到美国，对英语一窍不通更是全家最大的阻力。&/strong&&br&&br&&/p&&p&光是择校问题，她就奔波了好几个月，费了九牛二虎之力才得以在当地一所排名中游的学校上学。&/p&&br&&br&&figure&&img src=&https://pic4.zhimg.com/v2-bda7d9e471ef2abfc659a3_b.jpg& data-rawwidth=&600& data-rawheight=&337& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/v2-bda7d9e471ef2abfc659a3_r.jpg&&&/figure&&br&&p&图：李飞飞一家&br&&/p&&p&那时，爸爸去帮别人修相机，妈妈就去当收银员。&/p&&p&但这类工作的收入，完全不足维持生活和支付她的学费。&/p&&br&&p&所以&strong&到美国后的很长一段时间，李飞飞生活的关键词就是“谋生”二字。&/strong&&/p&&p&在唐人街附近的很多零工，包括收银员、清洁工、服务生等她都做过。&/p&&br&&figure&&img src=&https://pic2.zhimg.com/v2-dc9_b.jpg& data-rawwidth=&550& data-rawheight=&309& class=&origin_image zh-lightbox-thumb& width=&550& data-original=&https://pic2.zhimg.com/v2-dc9_r.jpg&&&/figure&&br&&p&图;高中时期的李飞飞&br&&/p&&br&&p&然而在打工之余，李飞飞却还要应对两年后的美国大学入学。&/p&&br&&p&作为新一代移民学子，她不但要迅速掌握英语，还要拿出一份极其优秀的成绩单，才能考上好的大学。&/p&&br&&p&那时候，打工和学习几乎占满了她的全部生活。&/p&&p&最辛苦时，一天只睡不到4个小时。&/p&&br&&figure&&img src=&https://pic2.zhimg.com/v2-daed488147dd_b.jpg& data-rawwidth=&600& data-rawheight=&337& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic2.zhimg.com/v2-daed488147dd_r.jpg&&&/figure&&br&&p&图：1995年，Parsippany镇上关于李飞飞的报道&br&&/p&&br&&p&&strong&只要你想，全世界都会为你让路。&/strong&&/p&&p&凭着这股毅力，这位华裔少女收到了普林斯顿大学计算机系的offer，还是提供全额奖学金的那种。&/p&&br&&p&当时这个消息在小镇上算是个大新闻，还有报纸专门刊登了她奋斗的故事，称她的&strong&“美国梦”成真啦！&/strong&&/p&&br&&figure&&img src=&https://pic4.zhimg.com/v2-881ff15b0e8de4f9bb3df_b.jpg& data-rawwidth=&600& data-rawheight=&337& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/v2-881ff15b0e8de4f9bb3df_r.jpg&&&/figure&&br&&p&图：李飞飞在普林斯顿大学&/p&&br&&p&在普林斯顿大学她接触到了大量优秀的人才，这对她而言更是莫大的鼓舞。&/p&&br&&br&&p&&strong&然而，在大学她依然不改拼命三郎的性格。&/strong&&/p&&p&看着父母还是做着入不敷出的零工，李飞飞决意借钱买下了一家洗衣店，交给父母经营。&/p&&br&&p&&strong&从此，她也就过上了周一到周五在普林斯顿拼命学习，周六日则赶回家中，继续当洗衣妹的日子。&/strong&&/p&&br&&br&&figure&&img src=&https://pic2.zhimg.com/v2-a7cf4ca8d1f7dc0f03eb95_b.jpg& data-rawwidth=&600& data-rawheight=&338& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic2.zhimg.com/v2-a7cf4ca8d1f7dc0f03eb95_r.jpg&&&/figure&&br&&p&她不但独立，浑身上下更是散发着对生活的热爱。&/p&&br&&p&&strong&“我爱普林斯顿，也非常爱我的洗衣店”&/strong&&/p&&p&&strong&“我觉得辛苦不算什么，因为我父母也同样在努力工作。我们一家人只是为了好好地生活。”&/strong&&/p&&br&&br&&figure&&img src=&https://pic2.zhimg.com/v2-daac253e8dfce15e5edb41_b.jpg& data-rawwidth=&479& data-rawheight=&387& class=&origin_image zh-lightbox-thumb& width=&479& data-original=&https://pic2.zhimg.com/v2-daac253e8dfce15e5edb41_r.jpg&&&/figure&&br&&p&1999年，李飞飞从普林斯顿大学毕业。&br&&/p&&p&然而，那时的她却拒绝了多家金融公司的工作邀请。&/p&&br&&p&在父母的支持下，开始追随自己的内心，毅然踏上一年的&strong&西藏之路研究藏医。&/strong&&/p&&br&&figure&&img src=&https://pic4.zhimg.com/v2-30ef7bbc3e3f16a3811a63_b.jpg& data-rawwidth=&640& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-30ef7bbc3e3f16a3811a63_r.jpg&&&/figure&&br&&br&&p&图：李飞飞在西藏的日子&br&&/p&&br&&p&完成了这一梦想后，她再次拒绝了华尔街的高薪工作，开始了&strong&下一个梦想——读博士。&/strong&&/p&&br&&br&&p&然而，在读博期间，她的母亲却不幸得了癌症，之后又中风。&/p&&p&生活的重担几乎压得她喘不过气来。&br&&/p&&br&&br&&figure&&img src=&https://pic4.zhimg.com/v2-1fb230f83_b.jpg& data-rawwidth=&640& data-rawheight=&427& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-1fb230f83_r.jpg&&&/figure&&br&&br&&p&&strong&“人生最难的不就是，如何发挥自己最大的潜能，同时兼顾自己所身负的责任，然后又必须忠于自己的内心吗？”&/strong&&/p&&br&&p&而李飞飞用自己的行动告诉我们，她做到了！&/p&&br&&br&&p&...&/p&&br&&br&&p&在博士毕业后，她进入了斯坦福大学AI实验室，选择了当时&strong&不被看好的研究方向——计算机视觉识别领域。&/strong&&/p&&br&&p&通俗的说，就是拿一张图片，让计算机认出来这张图片所包含的内容。&/p&&p&比如，你告诉计算机，“猫”是由圆脸、胖身子、两只尖耳朵和一条长尾巴组成的东西。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-ca42d120c4df52aad42dcfbb27b676f4_b.jpg& data-rawwidth=&600& data-rawheight=&323& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/v2-ca42d120c4df52aad42dcfbb27b676f4_r.jpg&&&/figure&&br&&br&&p&然而在现实生活中，猫就有成千上万个品种，就算是同一只猫，也能摆出上百种姿势。&/p&&p&如果遇到一些骨骼清奇的猫，换个姿势计算机估计就懵逼了。 &/p&&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-42ce085dedd52_b.jpg& data-rawwidth=&559& data-rawheight=&480& class=&origin_image zh-lightbox-thumb& width=&559& data-original=&https://pic3.zhimg.com/v2-42ce085dedd52_r.jpg&&&/figure&&br&&p&那个时候，图像识别已经走过了20个年头。&br&&/p&&p&但全世界能够识别的物体也不过4到20种。&/p&&br&&p&然而大千世界这么多的物品，如果计算机只能识别豹子、飞机、人脸和汽车这几样是远远不够的。&/p&&br&&br&&p&&strong&面对图像识别如此匮乏的“词汇量”，李飞飞产生了一个疯狂的想法。&/strong&&/p&&p&&strong&她拿出一本字典，决定要让图像识别涵盖到字典里的每一个词条。&/strong&&/p&&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-bbff602dede_b.jpg& data-rawwidth=&452& data-rawheight=&324& class=&origin_image zh-lightbox-thumb& width=&452& data-original=&https://pic3.zhimg.com/v2-bbff602dede_r.jpg&&&/figure&&br&&p&图：李飞飞与导师&br&&/p&&br&&p&当她把这个想法告诉其他教授时，大家都纷纷劝她换个方向，因为研究这个是&strong&“拿不到终生教授”&/strong&的。&/p&&br&&p&她还找了好几个教授想要寻求合作，也全然被拒绝了，都认为&strong&“看不到结果”，“不值得”。&/strong&&/p&&br&&p&但是李飞飞却没有想那么多，先别管“终生教授”的事，首先要做好自己认为重要的事情。&/p&&br&&br&&figure&&img src=&https://pic4.zhimg.com/v2-dd22c02dfefbd2735b05ccd7_b.jpg& data-rawwidth=&534& data-rawheight=&300& class=&origin_image zh-lightbox-thumb& width=&534& data-original=&https://pic4.zhimg.com/v2-dd22c02dfefbd2735b05ccd7_r.jpg&&&/figure&&br&&p&图：李飞飞在斯坦福大学授课&br&&/p&&br&&p&刚开始时，李飞飞将很大部分的精力都放在算法的优化上，然而这并没有带来太大的突破。&/p&&p&突然有一天，&strong&一个非常简单但却非常有冲击力的想法，使李飞飞找准了方法。&/strong&&/p&&br&&br&&p&她想，没人教婴儿怎么“看”，也没有人告诉他们“猫”的特征。&/p&&p&但是他们却能够很快的知道这就是猫，无论什么品种或什么形态。&/p&&br&&figure&&img src=&https://pic3.zhimg.com/v2-0f12d47cf7a376ddcab08be5e892361e_b.jpg& data-rawwidth=&392& data-rawheight=&498& class=&content_image& width=&392&&&/figure&&br&&br&&p&因为人类的眼睛就好像一个生物照相机，每200毫秒就能获取一幅图片。&br&&/p&&p&一个三岁的孩子就已经见过上亿副图片了，能分辨图片当然不在话下。&/p&&br&&br&&p&&strong&所以要让计算机学会“识图”，关键是在于训练量——让计算机看更多的图片。&/strong&&/p&&br&&br&&figure&&img src=&https://pic1.zhimg.com/v2-e62fff659bc_b.jpg& data-rawwidth=&504& data-rawheight=&316& class=&origin_image zh-lightbox-thumb& width=&504& data-original=&https://pic1.zhimg.com/v2-e62fff659bc_r.jpg&&&/figure&&br&&br&&p&从2007起，李飞飞与团队便从互联网上下载了近&strong&10亿幅&/strong&图片。&/p&&br&&p&在这之后便是对这些图片进行分类、打上标签，为计算机提供学习用的“题库”，而这个“题库”就是现在的&strong&ImageNet。&/strong&&/p&&br&&figure&&img src=&https://pic2.zhimg.com/v2-20415babf211e0da0c344e99973faf49_b.jpg& data-rawwidth=&569& data-rawheight=&254& class=&origin_image zh-lightbox-thumb& width=&569& data-original=&https://pic2.zhimg.com/v2-20415babf211e0da0c344e99973faf49_r.jpg&&&/figure&&br&&p&然而，当他们给图片打标签打了几个月后，研究经费很快用完了。&/p&&p&而且按照这个速度，至少得十几年才能完成目标，因为图片实在是太多了。&/p&&br&&br&&p&但李飞飞却从来没想过放弃，在最困难时，她甚至还想重操旧业开洗衣店，为研究筹集经费呢。&/p&&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-2cab8fffe4f0b6abd22b3a_b.jpg& data-rawwidth=&400& data-rawheight=&245& class=&content_image& width=&400&&&/figure&&br&&p&正当大家一筹莫展时，他们遇到了美国最大电商平台——&strong&亚马逊。&/strong&&/p&&p&&strong&当然不是在上面买书，而是和亚马逊的众包平台合作。&/strong&&/p&&br&&br&&p&通过众包平台，李飞飞在网上雇佣到了来自&strong&167个国家&/strong&的&strong&5万人&/strong&，为这十亿张备选图片筛选、排序、打标签。&/p&&p&当时的李飞飞，一度是这个众包平台上最大雇主。&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-6e8adeddd962de12a6621194_b.jpg& data-rawwidth=&640& data-rawheight=&363& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-6e8adeddd962de12a6621194_r.jpg&&&/figure&&br&&br&&p&到2009年，ImageNet数据库就包含了&strong&1500万&/strong&张照片，涵盖了&strong&20000&/strong&多种物品。&br&&/p&&p&&strong&回想在2006年那4到20种物品，ImageNet数据库无论在质量还是数量上，都是空前的。&/strong&&/p&&br&&p&然而，&strong&最重要的是，ImageNet这个如此庞大的图片数据库竟然是免费的。&/strong&&/p&&p&这就意味着，全球所有致力于计算机视觉识别的团队，都能从这个题库里面拿“试题”，来测试自家算法的准确率。&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-8b0b5c1a5c5dc593c89bc8_b.jpg& data-rawwidth=&600& data-rawheight=&323& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/v2-8b0b5c1a5c5dc593c89bc8_r.jpg&&&/figure&&br&&p&图：ImageNet挑战赛的机器错误率， 七年来从28%降到了3.6% ，比人眼识别的错误率5.1%还要低。&br&&/p&&br&&p&为了激发各界对计算机视觉研究的热情，李飞飞每年都会举行一场ImageNet视觉识别挑战赛。&/p&&br&&p&&strong&在这场考试中，无论挑战者的输与赢都代表着一次新的发展。&/strong&&/p&&br&&p&如果考生能轻易答对“试题”，这就说明了视觉识别技术的更上一层楼。&/p&&p&但如果“试题”难倒了考生，也不用担心，这也意味着算法的突破口就在这。&/p&&br&&br&&figure&&img src=&https://pic4.zhimg.com/v2-5ae1efef6b8c806cbee3_b.jpg& data-rawwidth=&480& data-rawheight=&224& class=&origin_image zh-lightbox-thumb& width=&480& data-original=&https://pic4.zhimg.com/v2-5ae1efef6b8c806cbee3_r.jpg&&&/figure&&br&&p&不过，对于现在一度“过热”的人工智能，李飞飞也一直在强调“人工智能现在越火，越需要有冷静做研究的人”&/p&&br&&p&她说&strong&“我做研究的心得就是，眼睛看到的前方应该是比较空旷的。如果你眼睛看到的前方是热闹的，那这个方向就不是最好的研究方向。而空旷的地方一般都不是热点，因此你必须找准自己的焦点”&/strong&&/p&&br&&figure&&img src=&https://pic4.zhimg.com/v2-b136c1103f_b.jpg& data-rawwidth=&740& data-rawheight=&401& class=&origin_image zh-lightbox-thumb& width=&740& data-original=&https://pic4.zhimg.com/v2-b136c1103f_r.jpg&&&/figure&&br&&br&&p&图：李飞飞首度亮相谷歌云大会&/p&&br&&p&关于未来的AI开发，李飞飞认为不但要在学术上还要结合工业上的开发。&/p&&br&&p&因为AI的最终目的就是服务于人类，这也是李飞飞加入谷歌的原因。&/p&&p&为的就是拉近AI与人类日常生活的距离，使AI&更接地气&。&/p&&br&&figure&&img src=&https://pic3.zhimg.com/v2-6ba7ddccb988e_b.jpg& data-rawwidth=&717& data-rawheight=&655& class=&origin_image zh-lightbox-thumb& width=&717& data-original=&https://pic3.zhimg.com/v2-6ba7ddccb988e_r.jpg&&&/figure&&br&&p&图：谷歌街景搜集的车辆数据&/p&&br&&p&在今年2月末，李飞飞又发表了最新的论文：&strong&《用深度学习和谷歌街景估算美国人口结构》。&/strong&&/p&&br&&p&文章主要论述了如何将谷歌街景搜集来的机动车辆数据，结合机器学习算法。&/p&&p&从而估算出本地区人口的特征和组成，甚至这一地区居民的政治倾向。&/p&&br&&br&&figure&&img src=&https://pic1.zhimg.com/v2-9d80a1afe4e7c46bc18e370f705e3a70_b.jpg& data-rawwidth=&600& data-rawheight=&450& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/v2-9d80a1afe4e7c46bc18e370f705e3a70_r.jpg&&&/figure&&br&&p&在李飞飞看来，目前的图像识别和人工智能，还相当于一个牙牙学语的3岁孩童。&/p&&p&而3岁到10岁的过程，才是人工智能的难点和关键。&/p&&br&&p&就算李飞飞说图像识别的路还有很远，但也完全不妨碍我们畅想未来。&/p&&br&&br&&figure&&img src=&https://pic1.zhimg.com/v2-b817c4e47b3ae24f0e672c8_b.jpg& data-rawwidth=&550& data-rawheight=&367& class=&origin_image zh-lightbox-thumb& width=&550& data-original=&https://pic1.zhimg.com/v2-b817c4e47b3ae24f0e672c8_r.jpg&&&/figure&&br&&p&去超市买东西，直接“刷脸”付款；&/p&&p&在追击违法分子上，可能罪犯刚一上街就已经被一双神秘的眼睛锁定；&br&&/p&&br&&br&&figure&&img src=&https://pic2.zhimg.com/v2-d4c9a2ac8bfcb9ee87c49c8d_b.jpg& data-rawwidth=&360& data-rawheight=&202& class=&content_image& width=&360&&&/figure&&br&&br&图gif：完全不用看红绿灯的“未来式过马路”&br&&p&在未来交通上，人们不用自己抓方向盘，也有“老司机”带你飞；&/p&&p&在医疗上，医生和护士会多了一双永远不用休息的眼睛，帮忙诊断和照顾病人；&/p&&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-569f8d88cdfa3d4ae73582_b.jpg& data-rawwidth=&600& data-rawheight=&333& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic3.zhimg.com/v2-569f8d88cdfa3d4ae73582_r.jpg&&&/figure&&br&&p&在TED演讲的结尾，李飞飞表示：&/p&&p&她现在所有的追求，就是赋予计算机视觉智能， 并为Leo（她的儿子）和这个世界， 创造出更美好的未来。&/p&&br&&p&这个集才华与美貌于一身的女子，能把人类带到哪个未知领域，我们也翘首以待。&/p&
随着人工智能的崛起，一个叫ImageNET视觉识别的挑战赛（ILSVRC）在近几年里备受瞩目。这个挑战赛要求参赛团队使用ImageNet——全球最大的图像识别数据库，测试他们系统的运行情况。 图：ILSVRC而这个计算机视觉领域的“奥赛”，也一直吸引着该领域的顶级研…
&figure&&img src=&https://pic2.zhimg.com/v2-b5e81c206eb5a701bfb4d4b_b.jpg& data-rawwidth=&931& data-rawheight=&621& class=&origin_image zh-lightbox-thumb& width=&931& data-original=&https://pic2.zhimg.com/v2-b5e81c206eb5a701bfb4d4b_r.jpg&&&/figure&&p&15年搬家时列了篇&a href=&https://link.zhihu.com/?target=http%3A//zijie0.github.io//ReadingList/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&书单&/a&，一晃一年又过去了，当时信誓旦旦要读的几本经典除了Clean Code基本都没有碰……还是坚持不懈地在图书馆薅着羊毛。16年看的书侧重在Scala，数据科学等个人比较感兴趣的方面，下面会分类来做推荐供大家参考。&/p&&br&&br&&p&&b&&u&Python&/u&&/b&&/p&&br&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Fluent Python&/a&》：之前有强烈推荐过《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject/7056800/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Ruby元编程&/a&》，可以说是语言进阶类书籍的典范，哪怕不用Ruby都能从中借鉴不少有趣的思想。可惜Ruby在工作中能用到的机会太少了，作为曾经的Ruby粉，我也渐渐在各种项目的洗礼中被硬生生拖入了Python阵营……今年终于发现了这本非常优秀的Python进阶书籍，深入细致地介绍了Python的语言内部原理，各种常用写法，高级技巧，对开阔眼界，提升代码功力很有帮助，值得每一个Python使用者细心研读！这本书非常厚，我还没有读完……&/p&&br&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python Web开发：测试驱动方法&/a&》和《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Flask Web开发：基于Python的Web应用开发实战&/a&》：做Web开发的同学可以考虑看看，总体来说比国内的很多相关著作质量要高一些，各种套路也比较有板有眼。前者主要拿Django框架做示例，个人感觉比后者内容更全。&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&High Performance Python&/a&》：一本非常不错的Python性能相关书籍，从profiling，数据结构讲起，到必不可少的Cython，pypy，并发，分布式话题，最后几章还有许多作者的实战案例分享，读下来感觉干货满满，很有收获！不过嘛Python本身设计初衷也不在高性能这块，从profiling就能看出整体工具链跟JVM界有一定差距。想着写高性能模块的同学这几年估计都投奔Go阵营了吧……&/p&&p&发现上面几本都是O'Reilly出品，另外一个大出版社Packet也有不少numpy，scikit-learn之类的介绍Python数据分析，机器学习等方面的书，我也读了一些。这个出版社貌似经常搞免费促销，所以外面流传的免费下载版本特别多。缺点嘛主要是内容大多是cookbook的形式，基本没有哪本能给我留下深刻的印象，感觉不如查阅官方文档来的实在。&/p&&br&&br&&p&&b&&u&Scala&/u&&/b&&/p&&p&今年终于开始在实际项目中使用Scala，然后就迅速沉沦其中，不可自拔了……类型推断加编译器检查的感觉真好，灵活性不输Python多少，表达能力强大，还能傍上JVM丰富生态圈的大腿，必须强势安利一发！&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Scala程序设计&/a&》：内容非常详尽，介绍了从基础到Scala类型系统，隐式转换，monad范畴论，Actor模型等各种高级话题。而且是新近出版，涵盖了2.11新版本的各种feature。缺点嘛可能编排略有点混乱，同一个知识点可能前后都会提到，而且复杂的特性介绍并不是非常清晰，可能还需要自己去查阅一些参考资料才能很好的理解。个人认为如果已经有了Java基础那看完这本就可以很快上手（或者放弃）Scala了哈哈。&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Scala函数式编程&/a&》：著名的Scala红宝书，应该有很多人推荐了，这本书更接近内功心法一些，读的时候一定要做习题来加深理解。哪怕不用Scala，读读这本书了解下函数式编程也是挺有帮助的。&/p&&br&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Scala学习手册&/a&》：如果希望看一些更基础的Scala入门书籍，我推荐这本。书本身也比较薄但关键点都覆盖到了，很快就能读完上手，毕竟很多高级特性是不是要在项目中采用也是有争议的。Thinking in Java的作者也写了本Scala的书《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Scala编程思想&/a&》，内容实在有点少，我觉得还是不要买这本了……&/p&&br&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Play for Scala&/a&》：Scala上最流行的Web框架之一，用起来还是挺爽的嘛。这本书的内容跟最新的2.5.x还是有些区别，可以用来总体了解下框架，看看常用模式。个人觉得Play上手比起Python的一些框架来还是要复杂不少……有本示例书引入门的话会轻松些。&/p&&p&最后提一下雷区，有两本不错的书《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Scala并发编程&/a&》和《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&响应式架构&/a&》，前者的作者是Scala并发collection的作者，同时也在Coursera上开了相应的课，可以看看不一样的并发处理方式（Future，Actor之类之于经典的线程池）。后者主要介绍了Akka和听起来很牛逼的领域驱动设计模式。之所以说是雷区，当然就是翻译问题了。两本书还是同一个译者，以后买书都要注意了……&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-2cc43ca778de6716c7ebe5f5cdb311c0_b.jpg& data-rawwidth=&638& data-rawheight=&479& class=&origin_image zh-lightbox-thumb& width=&638& data-original=&https://pic1.zhimg.com/v2-2cc43ca778de6716c7ebe5f5cdb311c0_r.jpg&&&/figure&（新的一年，是不是可以学习下Haskell了）&/p&&br&&br&&p&&b&&u&Spark&/u&&/b&&/p&&p&作为大数据领域的当红炸子鸡，Spark相关的书也是铺天盖地而来，光源码解读之类的就有好几本……列一下我看过几本比较好的：&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Spark高级数据分析&/a&》：循序渐进介绍了如何用Spark做数据分析，偏重应用，案例都很详尽，很值得推荐！&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Spark核心技术与高级应用&/a&》：科大讯飞的同学写的，基础部分写的比较扎实，字里行间可以看出作者丰富的实战经验（话说美团技术博客上的几个Spark分享也很不错）。高级部分有点精简，可以展开多写一点就更好了。&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Spark最佳实践&/a&》：腾讯的同学出品，同样也是经验丰富，内容比较靠谱，不知为啥在豆瓣上被黑的有点惨……实战还用了淘宝作为例子有点喜感，总体来说很接地气。每一章篇幅都不大，有几个精简的代码剖析其实写的不错，如果能多展开一点说不定还能成为本很不错的“深入Spark源码分析”类书籍啊。&/p&&p&其它还读了几本国人写的Spark源码剖析，都没留下什么深刻印象。作为一个发展极其迅猛的开源项目，大多数相关的书基本上很快就显得内容过时了……还是多关注DataBricks在YouTube上的各种分享，&a href=&https://link.zhihu.com/?target=https%3A//databricks.com/blog& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&官方博客&/a&，结合自己拉代码下来阅读来得靠谱。&/p&&br&&br&&p&&b&&u&数据科学&/u&&/b&&/p&&p&这方面的书也是泛滥成灾，图书馆TP27x系列的书架直接因此扩容了……总体来说质量高的书并不多，列几本我认为还值得一读的：&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&命令行中的数据科学&/a&》：这本书的名字看起来就有点奇怪，尤其是在这个人人都搞Hadoop的年代略有些违和感。不过内容其实相当实用，很多数据探索分析清洗工作都可以用命令行快速完成，非常适合没怎么打过Linux基础的数据业务从业人员，能掌握一个很不错的日常快速工具箱哦。&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据科学实战&/a&》：难得一见的女性作家写的技术书，从行文组织到内容，文笔，包括翻译都是相当不错！两个作者都是数学背景的数据科学家，从行文中可以看出都是在这行浸淫多年，经验丰富，尤其是软技能／影响力方面相比我们普通码农会有更深入的理解，可以在阅读过程中细心体会揣摩下。&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大数据算法&/a&》和《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&零基础学大数据算法&/a&》：这两本差不多是同一本书，前一本可能看起来门槛有点高，所以又出了本新版加了点基础知识和时髦的Hadoop，Spark介绍。书的内容很不错，形式上有点像那本《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Mining of Massive Datasets&/a&》，感觉讲解上比mmds还要更细致些，介绍了很多在数据量非常大情况下进行处理的特殊算法（亚线性，外存算法之类）。而且还有配套的&a href=&https://link.zhihu.com/?target=http%3A//www.cnmooc.org/portal/course/86/1438.mooc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&在线课程&/a&，值得推荐！&/p&&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大数据架构商业之路&/a&》：又是一本国人写的书，循序渐进讲了各种大数据时代的架构设计方案及分析，跟那些QCon分享架构演进的有些类似，非常适合没有接触过这块业务的同学在做方案设计，技术预研（大数据方面的各种轮子实在是有点多……）时进行参考学习。作者主要是eBay的背景，所以内容上偏向搜索与推荐系统，书名看起来略大了一些，如果要购买可以注意下这点。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-db89aedbba9_b.jpg& data-rawwidth=&4128& data-rawheight=&3096& class=&origin_image zh-lightbox-thumb& width=&4128& data-original=&https://pic1.zhimg.com/v2-db89aedbba9_r.jpg&&&/figure&（书中给出了很多类似的架构图）&p&《&a href=&https://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&写给程序员的数据挖掘实践指南&/a&》：一本风格很像Head First系列的入门书，初学者友好指数5星，但技术背景深厚的同学看这个估计会觉得不够过瘾……看完之后就知道怎么跟老板通俗易懂地解释算法技术问