00

?導讀

每一個項目的第一步就是立項，立項需要進行充分的調(diào)研才能確定是否值得啟動一個項目。調(diào)研主要要做好兩個方向：1，算法調(diào)研，它主要是確定可行的技術(shù)路線。更具體的說，需要清楚想做的事情是否已經(jīng)到達落地的水準，也就是可行性的驗證。2，市場調(diào)研，它主要確定的是，所選中的方案是否有市場需求，是否已經(jīng)有成熟的競爭對手和市場。

下面分別從這兩個方向進行講述，我們以圖像風格化為例，所謂圖像風格化，學術(shù)名詞是image style transfer，研究起源于這一篇論文A neural algorithm of artistic style[1]，3年前我的公眾號《與有三學AI》也做過報導，大家有興趣可以去看，

它是采用神經(jīng)網(wǎng)絡(luò)的方法，分別學習到一幅圖像的紋理和風格，從而實現(xiàn)從一幅圖像風格到另一幅圖像的遷移，如下，將圖2的風格，應(yīng)用到圖1上。

當然，現(xiàn)在已經(jīng)有了很多新的應(yīng)用，尤其是基于人臉的非常多，詳細的介紹和技術(shù)原理，大家可以去參考我以前開設(shè)的AI攝影基礎(chǔ)課程。其中詳細地講述了攝影中各方面的圖像知識。

下面言歸正傳，回到風格化研究的調(diào)研。

01

從哪些地方開始調(diào)研？

1.1 市場調(diào)研

在做算法調(diào)研之前，先要做市場調(diào)研。市場調(diào)研需要涵蓋主流的產(chǎn)品形態(tài)，包括 app，普通的網(wǎng)頁應(yīng)用以及小程序；所面對的目標用戶（年齡層次，地域分布），現(xiàn)有的市場份額，以及潛在的競爭對手等也需要了解。

這一塊沒有多少可說的，平時多關(guān)注關(guān)注新聞，相關(guān)朋友圈的分享，相關(guān)公眾號即可，比如當年非常火的prisma，作為從業(yè)人員想忽視也不容易的。

?然后到ios平臺和安卓平臺去搜搜關(guān)鍵詞，看看各大公司是否已經(jīng)跟上推出類似產(chǎn)品。

我們一調(diào)研就知道，國內(nèi)幾大圖像算法公司，騰訊的天天P圖，美圖科技的美圖秀秀，Camera360的MIX濾鏡都有相關(guān)產(chǎn)品，其他小產(chǎn)品也不少。

我們分別拿一張人臉和風景圖做測試。

試試美圖黑科技中繪畫機器人

天天P圖中的各類風格。

MIX中藝術(shù)濾鏡。

當然，現(xiàn)在已經(jīng)存在非常多類似的app了，初步的調(diào)研結(jié)果顯示，基于圖片的風格化技術(shù)已經(jīng)成熟，而且產(chǎn)品面世也已經(jīng)不止兩年了，我們偶爾會在朋友圈里看到類似的分享，當然具體的用戶比例，可能需要我們自己去做一些調(diào)研問卷，投票之類的。

不過，還沒有看到比較好的基于視頻的調(diào)研結(jié)果，所以這可能是一個突破點。

最后我們要總結(jié)一下調(diào)研的結(jié)果：

建議從以下幾個方向：

• 技術(shù)成熟度

• 受眾

• 產(chǎn)品使用頻率

• 競爭對手

1.2 算法調(diào)研

1.2.1 國內(nèi)外前沿學術(shù)研究

可以找一些好的博士碩士論文，相關(guān)綜述，看看總結(jié)和方向。再找學術(shù)界和工業(yè)界的相關(guān)比賽，以及數(shù)據(jù)集。

1.2.1.1 中文調(diào)研

(1) 首先調(diào)研綜述類文章，查看cnki相關(guān)關(guān)鍵詞的博士碩士論文，以及優(yōu)秀中文期刊的綜述。

還是以圖像風格化為例，到中國知網(wǎng)平臺，http://www.cnki.net/

搜索結(jié)果如下：

根據(jù)下載量與被引用因子，可以初步判斷文章的質(zhì)量，同時發(fā)表時間也需要作為參考。

(2) 百度學術(shù)調(diào)研

雖然百度學術(shù)與Google學術(shù)相差甚遠，但是也可以作為輔助。

這其中可以調(diào)研到發(fā)表時間，來源期刊，同時可以獲取到引用格式，這在寫作學術(shù)論文和調(diào)研報告中也會非常有用。

1.2.1.2 英文調(diào)研

中文調(diào)研應(yīng)該作為一個入門的了解，而英文文獻的調(diào)研，才是了解最前沿技術(shù)的正確方法，必須使用好Google學術(shù)以及Google通用搜索引擎。同時，由于現(xiàn)在很多的論文在接收和正式發(fā)表之前，都已經(jīng)發(fā)在了arprint平臺上，所以為了獲取最新的研究結(jié)果，這個也是必須的。

(1) Google與Google學術(shù)。

Google學術(shù)擅長于尋找正式發(fā)表的學術(shù)論文，而Google通用搜索引擎則可以廣泛瀏覽相關(guān)內(nèi)容，都需要去仔細篩選。

另外，Google和百度都提供了一個api調(diào)研關(guān)鍵詞的熱度趨勢

https://trends.google.com/trends/

? ? ? https://zhishu.baidu.com/#/

(2) Arxiv

https://arxiv.org/

學術(shù)界最新的研究成果往往是先發(fā)表在這里，甚至可能領(lǐng)先正式出版機構(gòu)一年以上，所以這也是需要去認真調(diào)研的。機器學習相關(guān)的在computer science欄目下。

在調(diào)研學術(shù)論文的時候，優(yōu)先看綜述，然后重點關(guān)注知名的研究機構(gòu)，引用量大的論文。

比如這個方向，就能找到一篇綜述文章Neural Style Transfer: A Review【2】，若干經(jīng)典文章，比如開啟這個方向的【1】，首次將其實時化的李飛飛組的研究【3】等。

通過閱讀綜述文章和一系列經(jīng)典文章和前沿文章之后，就能對該方向的技術(shù)路線等有了很明確的認知。

當然如果有機會參與一些比較牛逼的團隊或者身邊有相關(guān)人脈，則更有可能獲得最新的研究成果，那也是極好的。

1.3 行業(yè)媒體調(diào)研

在機器學習領(lǐng)域，現(xiàn)在有很多的優(yōu)秀自媒體，他們也會經(jīng)常總結(jié)一些前沿的研究，所以這也是一個很好的調(diào)研渠道。

筆者下面做一些推薦。

機器之心，新智元，AI科技評論，AI科技大本營，都是人工智能媒體與產(chǎn)業(yè)服務(wù)平臺，注重總結(jié)學術(shù)界的最新研究與工業(yè)界的最新動向，干貨很多。

深度學習大講堂，Paperweekly，國內(nèi)CV界的前沿研究推送，學術(shù)為主，解讀前沿論文。

大數(shù)據(jù)文摘，內(nèi)容不限于AI與機器學習，所有與大數(shù)據(jù)相關(guān)東西，所以也會顯得更加全而雜亂。

36氪，虎嘯網(wǎng)等，注重商業(yè)報告，尤其強調(diào)行業(yè)趨勢，創(chuàng)業(yè)的朋友肯定是需要經(jīng)常關(guān)注。

知乎微博，雖然現(xiàn)在知乎內(nèi)容越來越多整體質(zhì)量下滑嚴重，但是仍然是國內(nèi)尤其是技術(shù)精英喜歡逛的地方。雖然微博娛樂泛濫，但是也不能完全否定它上面也有一些還不錯的自媒體，像每天堅持截取論文研究結(jié)果的“愛可可愛生活”，以及各大新聞媒體，新浪科技，大佬的微博動向，比如雷軍每次都會介紹自家小米的產(chǎn)品。

當然厚臉皮推薦一下自己在鼓搗的技術(shù)公眾號《與有三學AI》以及知乎專欄《深度學習模型訓練經(jīng)驗與代碼剖析》，水平有限未形成規(guī)模，歡迎大家加入。

1.4 github

Github的重要性就不用多說了吧，鑒于它已經(jīng)成為了國內(nèi)最大的技術(shù)人員交友平臺，所以在這里調(diào)研技術(shù)再適合不夠。

以image style transfer為例，一找就找到一個高質(zhì)量的資源。

https://github.com/ycjing/Neural-Style-Transfer-Papers

帶有相當完整的論文list與開源代碼，再精讀這些資源之后，想不了解都難了。

而且，等正式開始干活之后，這些資源很有可能就會成為起點。

02

怎樣寫好調(diào)研報告

上面既然已經(jīng)完成了調(diào)研，那么要交出去給別人看的時候，就一定要寫好調(diào)研報告。下面我們就要作出一些總結(jié)，主要從以下幾個方向入手，還是以圖像風格化為例。

2.1 用戶調(diào)研總結(jié)

• 潛在用戶

AI技術(shù)愛好者，這一類人喜歡嘗試新鮮技術(shù)。

攝影愛好者，喜歡研究各類濾鏡。

女性，對于美顏和人臉風格化有需求的廣大女性。

• 使用地點，時間點和頻次

朋友圈等社交平臺。屬于日常低頻需求，朋友圈偶見轉(zhuǎn)發(fā)，可能集中在特定節(jié)日。比如5-4青年節(jié)天天P圖推出的民國風格。

• 用戶需求

求新與切合時間點，喜歡不斷嘗試新的濾鏡，喜歡在特定時間段集中爆發(fā)嘗試與轉(zhuǎn)發(fā)。

• 使用平臺

移動端app和網(wǎng)頁應(yīng)用。

總結(jié)：圖像風格化實際上是一個低頻非剛需，它與美顏有著本質(zhì)的區(qū)別，因為后者只是對圖像的微調(diào)，而前者則是一個新的創(chuàng)作。因此，如果做這一類產(chǎn)品，結(jié)合特定時間點做趣味性強的短期爆款制造營銷事件比特意開發(fā)一個app會更加符合一個新的產(chǎn)品定位。

2.2 競爭對手調(diào)研總結(jié)

• 美圖秀秀與天天P圖等國內(nèi)app

對手特點，技術(shù)一流，產(chǎn)品全面且受眾廣，總是能在特殊時間點制造營銷爆點，正面PK技術(shù)實力和產(chǎn)品設(shè)計都面臨很大的考驗，失敗風險大。

• 小蟻AI藝術(shù)等小程序

產(chǎn)品簡單，效果相比主流app較差，有視頻風格化。

總結(jié)：針對大公司技術(shù)實力強但是不敢輕易嘗試非成熟技術(shù)，而小公司技術(shù)實力弱但是產(chǎn)品可以快速迭代的特點，我們可以以短小精美的前端界面+最新技術(shù)探索的方式，甚至嘗試非主流擦邊球的形態(tài)來突然推出爆款。

2.3 技術(shù)調(diào)研總結(jié)

• 靜態(tài)圖片風格化

技術(shù)路線已經(jīng)比較成熟且風格化效果較好，相關(guān)app已經(jīng)大量出現(xiàn)，門檻較低，有經(jīng)驗的工程師一個月內(nèi)實現(xiàn)一個demo上線沒問題。

• 視頻風格化

計算代價較高相關(guān)競品很少，需要具備一流研發(fā)能力的團隊。

最終總結(jié)：磨刀不誤砍柴工，在正式想好做一個項目之前，最好先做好上面的3步調(diào)研，免得閉門造車。

【1】Gatys L A, Ecker A S, Bethge M. A neural algorithm of artistic style[J]. arXiv preprint arXiv:1508.06576, 2015.

【2】Jing Y, Yang Y, Feng Z, et al. Neural style transfer: A review[J]. arXiv preprint arXiv:1705.04058, 2017.

【3】Johnson J, Alahi A, Fei-Fei L. Perceptual losses for real-time style transfer and super-resolution[C]//European Conference on Computer Vision. Springer, Cham, 2016: 694-711.

如果想加入我們，后臺留言吧

微信

Longlongtogo

公眾號內(nèi)容

1 圖像基礎(chǔ)｜2 深度學習｜3 行業(yè)信息

往期精彩

?

【技術(shù)綜述】如何Finetune一個小網(wǎng)絡(luò)到移動端(時空性能分析篇)

?

【技術(shù)綜述】一文道盡softmax loss及其變種

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的【深度学习图像项目实战-从入门到上线1】怎样学会科学的调研并启动一个项目...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。