ChatGPT：新晉CV工程師
重磅干貨，第一時間送達
重磅干貨，第一時間送達
在短短的兩個星期內，ChatGPT 迅速成為公眾聊天的焦點。超過一百萬的人與OpenAI的新聊天機器人“交談”，讓它寫詩和大學論文，生成創(chuàng)意食譜，創(chuàng)建虛擬機…它也被用來撰寫新聞文章和YouTube視頻的介紹。
作為計算機視覺公司的機器學習工程師，我在過去的幾天里一直嘗試了解 ChatGPT 對 CV 了解的極限。我想知道這種語言模型對該領域的未來（和現(xiàn)在）意味著什么。
該帖子分為 5 個部分：
什么是ChatGPT？
ChatGPT擅長的地方
面臨的挑戰(zhàn)
在哪些方面需要極度謹慎
為什么可以為 ChatGPT 授予CV工程師
什么是ChatGPT？
ChatGPT 于2022年11月30日發(fā)行，是OpenAI的最新產品。像GPT1，GPT2，GPT3和指令之前一樣，ChatGPT是一種Generative PretrainTed Transformer（GPT）模型，這是一種具有“self - attention”概念的語言模型，它允許該模型靈活地識別哪些部分是有效輸入。
大語言模型（LLMs）經過大量文本數(shù)據(jù)（例如書籍和文章）的訓練，以了解人類語言的模式和結構。這使他們能夠生成聽起來更符合人類講話習慣的文本，從而使它們對于語言翻譯類和問答類等任務非常有效。
在過去的幾年中，LLMs一直在迅速增長。這些模型的規(guī)模成倍增加：盡管2017年推出的第一個 Transformer 模型具有6500萬個參數(shù) —— GPT3，直到2021年中，仍具有1750億個參數(shù)。隨著它們規(guī)模的增大，其表達能力也迅速加強。ChatGPT 是在更新版本的GPT3的最新版本中創(chuàng)建的，稱為GPT3.5。這種巨大的表達能力以及對其進行訓練的數(shù)據(jù)（大概與GPT3相似），使得 ChatGPT 如此有能力理解包括各種人類和編程語言，數(shù)字方程式和和弦的輸入。
作為一種生成模型，ChatGPT是專門設計的，旨在根據(jù)其從訓練數(shù)據(jù)中學到的模式創(chuàng)建新文本。聊天機器人不僅可以及時給出響應，而且還能夠集成用戶提供的反饋，以更好地完成所需的任務。當然，這不是完美的，但是此功能為一系列交互式應用打開了新的大門。
僅供參考：本節(jié)中的三個句子由Chatgpt撰寫。我會讓你猜測哪一個！
ChatGPT擅長的地方
據(jù)我所知，ChatGPT 在計算機視覺應用程序方面，比較可靠的主要有三類：commonplace code，dressed individual method calls 和 clean concatenations of simple components。ChatGPT對這三個類別中任何一個中的查詢的回答都比較令人滿意。我將舉例說明每個例子。
commonplace code
這應該不足為奇，但是一個接受過包括文本和代碼在內的大型語料庫訓練的生成模型，通常非常擅長生成頻繁出現(xiàn)且在互聯(lián)網上幾乎沒有變化的代碼塊。當基于代碼的解決方案基本上是規(guī)范的(并且可能在訓練數(shù)據(jù)中無處不在)時，ChatGPT 的概率偏好將以很高的概率生成經過驗證的真實結果。
這方面的兩個例子包括在信號處理和計算機視覺(以及其他領域)中無處不在的快速傅里葉變換(FFT) ：
import numpy as npdef fft(x):"""Compute the discrete Fourier Transform of the 1D array x"""x = np.asarray(x, dtype=float)N = x.shape[0]if N <= 1: # base casereturn x# split the array into even and odd componentseven = fft(x[0::2])odd = fft(x[1::2])# compute the FFT of the even and odd componentsT = [np.exp(-2j*np.pi*k/N)*odd[k] for k in range(N//2)]return np.concatenate([even + T, even - T])
池化層，這是所有卷積神經網絡必不可少的組成部分（CNN）：
def min_pooling(inputs, pool_size):# Get the dimensions of the input arrayn_rows, n_cols, n_channels = inputs.shape# Calculate the size of the output arrayout_rows = n_rows // pool_sizeout_cols = n_cols // pool_size# Create an empty array to store the outputoutputs = np.zeros((out_rows, out_cols, n_channels))# Iterate over the input array and compute the outputfor r in range(out_rows):for c in range(out_cols):for k in range(n_channels):# Extract a patch of the input arraypatch = inputs[r*pool_size:(r+1)*pool_size, c*pool_size:(c+1)*pool_size, k]# Compute the min of the patchoutputs[r, c, k] = np.min(patch)return outputs
當然，這些實現(xiàn)并不總是有效的，比如上面的 min _ pool() 函數(shù)，它使用嵌套的 for 循環(huán)。對于像 ChatGPT 這樣的半黑盒人工智能模型，我們并不總是清楚這種解決方案是為了方便而有意選擇的，或者它真的選擇了它認為是最優(yōu)的解決方案。在這樣的場景中，您可以使用 ChatGPT 以反饋為導向的特性來請求改進。例如，在共享的情況下，可以指示 ChatGPT 并行化代碼或向量化 for 循環(huán)。知道要求哪些改進是絕對必要的！
Dressed method calls
同樣，ChatGPT 對所有常見的機器學習和計算機視覺庫（直到2021年）都有很好的掌握，包括 PyTorch、 TensorFlow、 Scikit-learn、 PIL、 Skimage 和 OpenCV。當聊天機器人可以調用這些庫中修飾方法進行適當?shù)念A處理步驟（如輸入輸出處理、將彩色圖像轉換為灰度以及 reshape 數(shù)組），可以處于最佳狀態(tài)。
這方面的一些例子，從最簡單到最復雜，都在銳化圖像：
from PIL import Image, ImageFilter# Open the imageim = Image.open('image.jpg')# Apply a sharpening filtersharpened_im = im.filter(ImageFilter.SHARPEN)# Save the sharpened imagesharpened_im.save('sharpened_image.jpg')
使用 Otsu 閾值：
from skimage import iofrom skimage.filters import threshold_otsu# Load the imageimage = io.imread('image.png')# Convert the image to grayscalegray_image = np.mean(image, axis=2)# Calculate the Otsu thresholdthreshold = threshold_otsu(gray_image)# Apply the threshold to the image to create a binary imagebinary_image = gray_image > threshold
并計算一組圖像的 tail-distributed stochastic neighbor（t-SNE）：
import numpy as npfrom scipy.spatial.distance import pdist, squareformfrom sklearn.manifold import TSNEfrom scipy.spatial.distance import pdist, squareformfrom PIL import Imagedef tsne(images, perplexity=30.0, learning_rate=200.0, n_components=2):# Convert the images to grayscalegrayscale_images = [np.array(image.convert('L')) for image in images]# Stack the grayscale images into a single arraystacked_images = np.stack(grayscale_images)# Flatten the stacked images into a single arrayflattened_images = stacked_images.reshape(len(images), -1)# Compute the pairwise distances between the flattened imagesdistances = squareform(pdist(flattened_images, 'euclidean'))# Compute the low-dimensional embedding of the images using t-SNEtsne = TSNE(perplexity=perplexity, learning_rate=learning_rate, n_components=n_components, init='random')embedding = tsne.fit_transform(distances)return embedding
不幸的是，ChatGPT 并不熟練，甚至不熟悉新的CV庫，比如 FiftyOne。
Concatenating simple components
雖然 ChatGPT 的行為肯定是非理性的，但是模型具有基本的邏輯功能，可以將多個（簡單的）輸入合成到復合輸出中：只需向 ChatGPT 詢問表單中的一些問題
“ X 和 Y 有什么共同點”？
例如，我要求 ChatGPT 執(zhí)行以下操作：
”編寫代碼將兩個圖像的大小調整為(100,200) ，將數(shù)據(jù)集增加6個圖像，將所有輸入圖像合并為一個圖像，然后將所有圖像繪制在一個網格中。把這個提示寫在第三個圖上“
它的解決方案是這樣：
import matplotlib.pyplot as pltfrom skimage import io, transformfrom skimage.util import random_noise# load and resize imagesimg1 = io.imread("image1.png")img1 = transform.resize(img1, (100, 200))img2 = io.imread("image2.png")img2 = transform.resize(img2, (100, 200))# augment dataset with 6 additional imagesaugmented_imgs = []for i in range(6):augmented_imgs.append(random_noise(img1))augmented_imgs.append(random_noise(img2))# blend imagesblended_img = img1 * 0.5 + img2 * 0.5for img in augmented_imgs:blended_img += img * 0.5 / len(augmented_imgs)# plot all images in a gridfig, ax = plt.subplots(nrows=3, ncols=3)ax[0, 0].imshow(img1)ax[0, 1].imshow(img2)ax[0, 2].imshow(blended_img)for i in range(6):ax[1 + i // 3, i % 3].imshow(augmented_imgs[i])# add text to third plotax[0, 2].set_title("Resized, augmented, and blended images")
令人驚奇的其他地方
它也能夠毫無問題地完成其他任務包括：
1. 在三維點云上執(zhí)行分割(使用 DBSCAN)
2. 使用 DeOldify 恢復舊圖像的顏色
3. 在視頻中執(zhí)行目標跟蹤
面臨的挑戰(zhàn)
在經過和 ChatGPT 進行有關”計算機視覺“任務的交流之后，似乎仍然存在之前反復出現(xiàn)的問題：long-tail scenarios, mathy manipulations, 和 expansive code blocks。與前一節(jié)一樣，我將給出每個例子。
Long tail
在任何領域，都會有各種各樣的任務，這些任務是某些子領域的主要內容，但是與用于訓練 LLMs 的龐大語料庫中更常見的主題相比，它們相形見絀。ChatGPT 在這些領域有相當一部分的問題，并且在小眾主題上提示時對細節(jié)非常敏感。
這方面的一個例子是 3D 計算機視覺，這是一個小但強大的子領域計算機視覺涉及三維空間數(shù)據(jù)。ChatGPT 有關于點云的工作知識，
“點云是 3D 空間中的一組點，代表一個物體的表面。點云中的每個點都由它的 3D 坐標(x，y 和 z)定義，還可能包括其他信息，如顏色或法向量。點云通常用于計算機視覺和 3D 建模應用”
當我要求它“編寫代碼來定義作用于點云的 PointNet 體系結構”時，它的回復包括 symmetric max pooling 函數(shù)，該函數(shù)允許模型直接作用于非結構化的點云數(shù)據(jù)。
import tensorflow as tf# Define the input layerinput_layer = tf.keras.layers.Input(shape=(None, 3))# Use a shared MLP to process the input point cloudmlp1 = tf.keras.layers.Dense(64, activation="relu")mlp2 = tf.keras.layers.Dense(64, activation="relu")mlp3 = tf.keras.layers.Dense(64, activation="relu")x = mlp1(input_layer)x = mlp2(x)x = mlp3(x)# Use max pooling to get the features of the entire point cloudglobal_features = tf.keras.layers.GlobalMaxPooling1D()(x)# Use a fully connected layer to predict the outputoutput_layer = tf.keras.layers.Dense(units=1, activation=None)(global_features)# Create the modelmodel = tf.keras.Model(inputs=input_layer, outputs=output_layer)
”這段代碼定義了一個 PointNet 體系結構，它接受一個點云作為輸入，并使用一個共享的多層感知器(MLP)來獨立處理每個點。然后，每個點的 MLP 輸出通過一個全局最大池化層傳遞，該層提取整個點云的特征。最后，根據(jù)點云的全局特征，采用一個全連接層來預測輸出。
這只是 PointNet 體系結構的一種可能的實現(xiàn)，根據(jù)項目的具體需求，可以對體系結構進行許多不同的變化和修改?！?/span>
當我只提示 ChatGPT“為 PointNet 模型體系結構編寫代碼”(省略了點云的明確提示)時，我得到的回應如下:
import torchfrom torch import nnclass PointNet(nn.Module):def __init__(self):super(PointNet, self).__init__()# define the neural network layersself.fc1 = nn.Linear(3, 64)self.fc2 = nn.Linear(64, 64)self.fc3 = nn.Linear(64, 64)self.fc4 = nn.Linear(64, 128)self.fc5 = nn.Linear(128, 1024)self.fc6 = nn.Linear(1024, 512)self.fc7 = nn.Linear(512, 256)self.fc8 = nn.Linear(256, 128)self.fc9 = nn.Linear(128, 64)self.fc10 = nn.Linear(64, 10)def forward(self, x):# apply the neural network layers to the input point cloudx = F.relu(self.fc1(x))x = F.relu(self.fc2(x))x = F.relu(self.fc3(x))x = F.relu(self.fc4(x))x = F.relu(self.fc5(x))x = F.relu(self.fc6(x))x = F.relu(self.fc7(x))x = F.relu(self.fc8(x))x = F.relu(self.fc9(x))x = self.fc10(x)return x
”此代碼定義一個從 nn.Module 擴展的 PointNet 類。PointNet 類定義了一個具有10個全連接層的神經網絡，這些層在該類的 __init__ 方法中定義。forward 方法將這些層應用于輸入點云并返回模型的輸出。
要使用 PointNet 模型，我們將創(chuàng)建 PointNet 類的一個實例，然后在輸入點云上調用 forward 方法。模型的輸出將是一個形狀為 (1,10) 的張量，其中包含了模型對輸入點云的預測”。
Math manipulations get messy
雖然 ChatGPT 能夠解決令人驚訝的獨立數(shù)學問題，甚至能夠生成自己的證明，但是聊天機器人卻很難將多行數(shù)學代碼串在一起。例如，當被要求在不使用計算機視覺庫的情況下實現(xiàn) Otsu 閾值或霍夫變換時，ChatGPT 就會失敗。
Otsu 閾值：
def otsus_method(img):# calculate histogram of grayscale valueshistogram = np.zeros(256)for i in range(img.shape[0]):for j in range(img.shape[1]):j]] += 1# normalize histogramhistogram = histogram / img.size# calculate cumulative sum of normalized histogramcumulative_sum = np.cumsum(histogram)# calculate cumulative sum of squares of normalized histogramcumulative_sum_of_squares = np.cumsum(histogram ** 2)# initialize variablesoptimal_threshold = 0max_variance = 0# iterate over all possible threshold valuesfor i in range(256):# calculate background and foreground probabilitiesp_background = cumulative_sum[i]p_foreground = 1 - p_background# calculate meansmean_background = np.sum(np.arange(256) * histogram[:i+1]) / p_backgroundmean_foreground = np.sum(np.arange(i+1, 256) * histogram[i+1:]) / p_foreground# calculate between-class variancevariance = p_background * p_foreground * (mean_background - mean_foreground) ** 2# update optimal threshold if necessaryif variance > max_variance:max_variance = varianceoptimal_threshold = ireturn optimal_threshold
運行 ChatGPT 生成的 Otsu 閾值代碼后拋出錯誤
霍夫變換：
def hough_transform(img, theta_resolution=1, rho_resolution=1):# convert image to grayscaleimg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# detect edges in the image using Canny edge detectionedges = cv2.Canny(img, 50, 200)# create accumulator array with dimensions determined by theta and rho resolutionstheta = np.linspace(-90, 90, 180 // theta_resolution)rho = np.linspace(-np.sqrt(2) * img.shape[0], np.sqrt(2) * img.shape[0], 2 * np.sqrt(2) * img.shape[0] // rho_resolution)accumulator = np.zeros((len(theta), len(rho)))# find non-zero edge pixels in the imagex_idxs = np.nonzero(edges)# convert x and y indices to cartesian coordinatespoints = np.stack([x_idxs, y_idxs], axis=1)# iterate over all edge pointsfor x, y in points:# iterate over all theta valuesfor i, t in enumerate(theta):# calculate rho for current theta valuer = x * np.cos(t) + y * np.sin(t)# find closest rho value and increment corresponding accumulator binj = np.argmin(np.abs(rho - r))j] += 1return accumulator, theta, rho
運行 ChatGPT 生成的 Hough 轉換代碼后引發(fā)的錯誤
在許多情況下，高級邏輯流并不一定是錯誤的，或者至少不會太離譜。相反，在某行代碼上的調整，可能會引起上下文代碼的沖突：當 Otsu 閾值代碼試圖將不兼容形狀的操作數(shù)一起進行廣播操作時，它失敗了。
其中一些數(shù)學錯誤很容易糾正，無論是通過將 int 轉換為 float，還是重寫代碼。其他時間，這些表面上的錯誤可能掩蓋了更多潛在的問題。如果您打算使用 ChatGPT 處理這些類型的問題，請謹慎處理?？梢宰?ChatGPT 編寫的代碼越模塊化越好。
Expansive solutions breed errors
這可能不會太令人驚訝，但是生成的代碼越多，就越有可能出現(xiàn)錯誤(或多個錯誤)。畢竟，人們可以很容易地爭辯說，人類是一樣的。對于 Transformer 模型，一個眾所周知的問題是，隨著輸出中“塊”數(shù)的增加，相干性(和模型性能)降低。包含計算機視覺代碼的塊也不例外。
例如，當我要求 ChatGPT“從頭開始實現(xiàn)光學字符識別(OCR)”時，該模型無可挽回地失敗了。這次失敗與其說是一系列可以理解的數(shù)學錯誤，不如說是一個完全的混亂。
當然，這并不意味著 ChatGPT 無法執(zhí)行 OCR。
當我提示聊天機器人“應用光學字符識別”時，它表明至少它知道如何在 pytesseract 中使用相關方法：
import pytesseract# Load the license plate image# image = cv2.imread("license_plate.png")# Convert the image to grayscalegray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# Apply Otsu's thresholding to binarize the imagethreshold, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)# Use Tesseract to perform OCR on the license plate imagetext = pytesseract.image_to_string(binary, lang="eng")# Print the recognized textprint(text)
當 ChatGPT 在 PyTorch、 TensorFlow 或 Sklearn 構建神經網絡時，這個問題經常會暴露出來，在這些網絡中，它可能會以一種無法完成任何使用任務的方式將一系列層串在一起。
在哪些方面需要極度謹慎
前三個類別只是觸及了計算機視覺中使用 ChatGPT 可能出現(xiàn)問題的表面。在某些方面，人工智能也可能會給你錯得離譜的答案。
當我請求 ChatgPT 給我“10個最佳目標檢測模型的推斷時間年份”時，我得到了下面回應：
# Define the names and years of the 10 best object detection modelsmodel_names = ["Faster R-CNN", "YOLOv3", "SSD", "RetinaNet", "Mask R-CNN", "R-FCN", "SSD with FPN", "YOLOv4", "Grid R-CNN", "FCOS"]model_years = [2015, 2018, 2016, 2017, 2017, 2016, 2017, 2020, 2019, 2019]# Define the inference times of the 10 best object detection models (in milliseconds)model_inference_times = [100, 30, 20, 40, 60, 50, 25, 15, 35, 45]
粗略一看，這似乎相當可信。這些模型在目標檢測上都相當有名ーー而且“最佳”在某種程度上有些主觀。年份也核實過了。所有這些都在推理時間上出現(xiàn)了問題。這些時間來自不同的來源，都有不同的條件和假設。ChatGPT 的回應讓人覺得他們可以把蘋果比作蘋果，這顯然是錯誤的。
問一個關于推理時間這種模糊問題是一個糟糕的開始。但是，即使是更好的問題也可能給出錯誤的答案。
同樣，每當 ChatGPT 給出沒有作為示例顯式給出的特定數(shù)值時，您可能應該小心。有時候這些值是合適的，比如當它知道用給定的平均值和標準差規(guī)范化 AlexNet 時：
當我要求 ChatGPT 使用立體圖像執(zhí)行深度知覺時，它包含了一行代碼，內容如下:
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]當被問及為什么選擇這些值時，它回應：
# Calculate the depth of each pixeldepth = 9.0 * 0.54 / (disparity + 0.00001)
“這個公式利用立體相機系統(tǒng)的已知參數(shù)，例如基線(兩個相機之間的距離)和焦距，將視差值(左右圖像中像素水平位置的差異)轉換為深度值。”
這個公式中使用的特定值(9.0和0.54)只是示例，它們可能不適用于所有的立體相機系統(tǒng)。一般來說，根據(jù)視差計算深度的公式是:
depth = baseline * focal_length / (disparity + epsilon)其中 baseline 是兩個攝像機之間的距離，focal_length 是攝像機的焦距，disparity 是從立體圖像中計算出來的視差圖，epsilon 是用來避免被零除的一個小值。這些參數(shù)的值將取決于您所使用的特定立體攝像系統(tǒng)”。
另一個值得關注的領域是數(shù)據(jù)集和模型質量的評估。當被要求編寫“評估圖像數(shù)據(jù)集的質量和多樣性”的代碼時，ChatGPT 給出了以下代碼：
import osfrom PIL import Imagefrom sklearn.neighbors import NearestNeighbors# Define the path to the dataset directorydataset_dir = './dataset'# Load the images in the datasetimages = []for filename in os.listdir(dataset_dir):# Load the imageimage = Image.open(os.path.join(dataset_dir, filename))# Convert the image to grayscale and resize it to a fixed sizeimage = image.convert('L').resize((128, 128))# Add the image to the list of imagesimages.append(image)# Flatten the images into a single arrayflattened_images = np.stack([np.array(image) for image in images]).reshape(len(images), -1)# Compute the nearest neighbors of the flattened imagesnbrs = NearestNeighbors(n_neighbors=5).fit(flattened_images)distances, indices = nbrs.kneighbors(flattened_images)# Compute the mean and standard deviation of the distances to the nearest neighborsmean_distance = np.mean(distances[:, 1:])std_distance = np.std(distances[:, 1:])print('Mean distance to nearest neighbor:', mean_distance)print('Standard deviation of distances:', std_distance)
同時還附上了一個說明：
”在本例中，images 變量是數(shù)據(jù)集中的圖像列表。首先從磁盤上的文件加載圖像，然后使用 PIL.Image 模塊中的 Convert 和 resize 方法將圖像轉換為灰度并調整到固定大小。然后使用堆棧和從數(shù)字模塊重塑圖像形狀的方法將圖像壓平成一個單獨的數(shù)組。nbrs 變量使用來自 skLearn.friends 模塊的 NearestNeighbors 類計算圖像的最近鄰。mean_distance 和 std_distance 變量計算到最近鄰的距離的均值和標準差，這可以作為衡量數(shù)據(jù)集質量和多樣性的指標。平均距離越短，標準差越高，說明數(shù)據(jù)集的質量越高，種類也越多?！?/span>
盡管這種方法并不一定是錯誤的，或者在技術上是錯誤的，但它至少是非常簡單的。
當我要求 ChatGPT 計算一個圖像數(shù)據(jù)集中的分布偏移時，我得到了一個類似的令人沮喪的答案，它對原始像素值使用了 t 檢驗(一個只比較兩組樣本平均值的檢驗)。你也可以看到，ChatGPT 試圖計算兩組圖像之間的均方差，這只有在圖像大小相同的情況下才有意義，但是我們在這里會給聊天機器人一點懷疑的余地，然后繼續(xù)下一步。
# Import necessary librariesimport numpy as npfrom scipy.stats import ttest_indfrom sklearn.metrics import mean_squared_error# Load the original and new datasetsoriginal_data = ...new_data = ...# Calculate the mean squared error between the original and new imagesmse = mean_squared_error(original_data, new_data)# Use a t-test to compare the means of the original and new datasetst, p = ttest_ind(original_data, new_data)# Print the resultsprint("Mean squared error:", mse)print("T-test results: t =", t, "p =", p)# If the mean squared error is large and the t-test p-value is small,# this indicates a significant distribution shift in the data
計算機器學習中的分布變化通常是一個困難的問題，但至少對各種類型的可能變化的基本理解是標準的，有多種比應用 t 檢驗更微妙的方法。
最后一個例子是有啟發(fā)性的：我提示 ChatGPT“計算我的模型被給予一組基本真值、預測和預測置信度得分的錯誤程度”，它的回答的關鍵是“你可以使用一個像準確度或精確度這樣的度量來衡量你的模型的表現(xiàn)”，這完全錯過了分數(shù)，而且根本沒有使用置信度得分。作為參考，在開源計算機視覺庫 FiftyOne 中，可以通過調用 dataset.cdomputer_mistakenness() 為 dataset 數(shù)據(jù)集計算這種類型的數(shù)量。
為什么可以為 ChatGPT 授予CV工程師
然而，盡管有這些缺點，ChatGPT 仍然可以成為計算機視覺領域的一股力量。至少這是一個人的觀點。
您可能已經注意到了我所包含的示例中的一個主題。ChatGPT 是一個工具，可以幫助計算機視覺工程師和從業(yè)人員更有效地完成他們的工作。這是一個非常強大的工具，也可以是相當”危險“的。就像任何工具一樣，它的好壞取決于它的使用者如何使用。
從編程的角度來看，和許多優(yōu)秀的人類工程學能夠產生優(yōu)秀的機器生成代碼的原則是相同的：以模塊化設計為目標，如果可能的話將高級任務分解為多個部分，利用現(xiàn)有的庫而不是重造輪子。
如果使用得當，ChatGPT 可以幫助CV工程師更快地編寫CV代碼，使人們可以利用 Scale、 V7和 Voxel51等公司的工具集，專注于建立高質量的數(shù)據(jù)集和評估機器學習模型等重要任務。
計算機視覺工具集
FiftyOne 是由 Voxel51開發(fā)的一個開源機器學習工具集，它使數(shù)據(jù)科學團隊能夠通過幫助他們管理高質量的數(shù)據(jù)集，評估模型，發(fā)現(xiàn)錯誤，可視化嵌入，更快地進入生產，從而提高他們的計算機視覺模型的性能。
· END ·
好消息！
小白學視覺知識星球
開始面向外開放啦??????
下載1：OpenCV-Contrib擴展模塊中文版教程 在「小白學視覺」公眾號后臺回復：擴展模塊中文教程，即可下載全網第一份OpenCV擴展模塊教程中文版，涵蓋擴展模塊安裝、SFM算法、立體視覺、目標跟蹤、生物視覺、超分辨率處理等二十多章內容。 下載2：Python視覺實戰(zhàn)項目52講 在「小白學視覺」公眾號后臺回復：Python視覺實戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學校計算機視覺。 下載3：OpenCV實戰(zhàn)項目20講 在「小白學視覺」公眾號后臺回復：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現(xiàn)20個實戰(zhàn)項目，實現(xiàn)OpenCV學習進階。 交流群
歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關微信群。請勿在群內發(fā)送廣告，否則會請出群，謝謝理解~