开云体育-双线作战成果显而易见，球队高居积分榜榜首

　　黄李超，地平线核心算法工程师。2014年毕业于英国帝国理工。回国后任职于百度深度学习研究院，实习期间独立开发出基于全卷积网络的物体检测算法DenseBox，一举成为百度IDL核心算法，2015年在权威检测数据集FDDB、KITTI排行中稳踞榜首，成为当年算法界的一匹黑马。

　　在地平线，黄李超先后负责算法研发与优化，以及平台搭建与改良。目前在地平线负责物体检测和图像分割方向。

　　“算法可以帮助我们实现很多想法，比如网络爬虫、实时监控，这些会提升我们的生活质感和效率。”于双线作战成果显而易见，球队高居积分榜榜首他而言，算法不是脱离日常的空中花园，而是一种移步可达的生活方式。

▼

　　探索物体检测前沿算法

　　工程师对自己设计的算法总是怀有某种特殊的情感，正如Alphago之父哈萨比斯在Alphago战胜围棋高手李世石时兴奋不已一样，谈及在物体检测领域颇有名气的DenseBox算法的开发，黄李超似乎也有说不完的想法和故事。

　　黄李超，负责目标检测和图像分割方向

　　设计DenseBox最初的目的，是用深度学习做物体检测，这在当时是十分具有前瞻性的想法。虽然深度学习在2013年左右就被应用于物体检测领域，但其代表性的算法架构却一直不够直接和高效：早期基于CNN的物体检测方法OverFeat，由于性能和效率问题一直没有得到很好的应用。后来Ross Girshick等人开发的R-CNN算法，虽然在一些数据集上有了更好的表现，但它的缺点也显而易见的——region-proposal通常很多，直接用CNN分类非常耗时；同时，训练需要多个步骤，不够直接。

　　在大家仍选择沿用R-CNN方法亦步亦趋时候，2014年冬天，还在百度IDL实习的黄李超不满足于跟随其后，决定开发一套新的物体检测算法。更早的OverFeat检测方法给了双线作战成果显而易见，球队高居积分榜榜首他启发：既然在图像上卷积等价于使用滑动窗口分类，为什么不直接使用全卷积网络做整图的物体检测呢？因此，富有创造力的他基于自己的理解，开始了这项前人少有的探索，并为之一往无前。

　　创造之神果然没有辜负这个年轻人的努力，他做到了，并不断完善原初的设计。抛开固有的束缚，他以先行者的敏捷，首先设计出一套端对端的多任务全卷积模型，直接回归物体出现的置信度以及它的相对位置。同时为了能够更好地处理遮挡严重的物体，提高小物体的召回率，他在检测的网络中引入了上采样层，并融合浅层网络得到的特征，得到更大尺寸的输出层。为了对训练样本进行筛选，降低误检，他还率先使用了Online Hard Negative Mining的策略，这在后来的一些论文中被证实卓有成效。

　　目标检测示意图：输入多尺度图像，经过CNN处理，输出目标框 引自：DenseBox: Unifying Landmark Localization with End to End Object Detection

　　后来，追求完美的他还对DenseBox进行了一次关键性的优化，让原来的检测网络引出多个分支，大大降低了图像金字塔的规模。这一优化，使得在相同计算量的模型下，原本在GPU上耗时数秒的720P图像的人脸检测，不到一秒即可完成。如果用更小的模型，在CPU也可以做到每秒好几帧的速度。在算法的计算中，时间就是生命，一秒的进步都凝结着无数的心血，而数秒的前进则意味着质的飞越。这一改变成为推动DenseBox落地的“临门一脚”，让它真正在产品线上能够可用。

　　DenseBox最先应用在人脸检测上，表现出了很好的性能，后来开始逐步应用于车辆检测等方向。而优化后的DenseBox更是被广泛应用到IDL的相关项目组，如人脸和OCR（光学字符识别）项目，极大提高了检测的准确率，至今仍是百度无人车的重要算法之一。加入地平线后，DenseBox在各个平台上衍生出了多种不同性能和速度的模型，也成为了地平线的核心算法。

　　来到地平线之后，黄李超延续其朗逸有为的风格，在工程方面也做出了建设性的成绩。一个月内，他独立搭建了一个跨平台的轻量级CNN预测库,性能达到开源深度学习平台Caffe的两倍。同一个月内，他在ARM平台上进行的定制性优化，较Caffe速度提升了2-6倍。同时，地平线初期落地的所有模型，包括人脸检测模型、人脸属性和关键点定位模型、以及ADAS方向的车辆和行人检测模型，也都由他一手训练。由于经验丰富、工作高效，他用短短一个月的时间实现了别人几个月都难以达成的目标。今年在地平线嵌入式人工智能战略的关键一环中，黄李超作为核心成员参与了地平线第一款芯片CNN模块的设计和算法验证。

　　纵观黄李超在人工智能领域的探索历程，DenseBox开发、FDDB/KITTI榜首、深度学习预测库、业界顶尖、地平线芯片，这些似乎都可以成为他身上亮闪闪的标签，却都无法简单地定义这个一直活跃在物体检测领域前沿的探索者，因为这个眼睛里带着光亮的人，有太多的想法和探索的能量，有太多的努力和锐利的锋芒，因而让华丽的辞藻黯然失色。

　　科技剑客，随性与执着

　　采访黄李超最大的感触就是他的随和与坦然，讲起自己的经历，他时常低头一笑，又闲闲道来。他坦言自己的随性，当年DenseBox虽在2015年初就被早早地开发出来，这一成果比同一时期的Fast(er)-R-CNN系列提前数月，但相关的论文直到9月才在arxiv上发布，究其原因竟是他懒于动笔！

　　“当时懒得写，就没有写，直到不得不写了，才写了一篇。”虽然DenseBox落地之始就在权威检测数据集FDDB、KITTI中排列榜首，这一荣誉一直是国内多家公司如百度、小米等争相炫耀的筹码，但性情淡泊的黄李超却显然并不想多谈。“这不过是个测试性能的数据集而已，证明算法性能好就够了，盲目的刷榜并没有意义。”

　　DenseBox在KITTI上名列榜首，性能远超faster-RCNN和Regrionlets

　　但是，他的随性仅仅适用于他的人生观，他对工作的热情恰恰相反，以执着勤奋而著称。在开发DenseBox的时候，同期几乎没有可以参考借鉴的工作，因而所有的内容和算法都需要根据自己的直觉去判断，“需要不断的尝试，如果效果不好，就要分析它的原因。只要认定了这个方法可行，就绝对不能放弃。”正是他的坚持让DenseBox在检测算法领域立稳了脚跟，通过不断的更新和改进，它仍傲踞地平线的核心算法之首。

　　他的随性和执着构成了他剑客般的性格，对人生随性而坦然，对技艺执着又精益求精。在科技的时代，他就是挥舞锋芒、披荆斩棘的剑客。

　　算法，应当是一种生活方式

　　“未来的目标嘛，我希望做出更好的算法，也让自己的算法能够在更大的平台上使用，让自己的成果惠及更多的人。”谈及未来的愿景，黄李超如是说。最近二十年来，我们分别经历了PC互联网、移动互联网的热潮，如今这些热潮已接近尾声，而下一次热潮已紧随而来——人工智能。随着万物互联时代的到来，端上的人工智能将带来巨大的市场机会。尤其是在自动驾驶和智能生活领域，存在于每一个智能设备里的AI芯片会是重中之重。

　　在万物互联的人工智能时代，生活将与算法密不可分

　　而算法在其中扮演的角色就是，和芯片完美结合，提供软硬结合的嵌入式人工智能解决方案，也以此获得重生和更广阔的应用。这也预示着算法将在不久的未来，潜移默化地成为我们的一种生活方式。

　　采访后记

　　虽然访谈的过程涉及了一些专业领域的内容，但由于黄李超简洁耐心地科普，作为文科生的我第一次近距离地感受到算法的魅力。在和他的接触中，我也越发觉得他在工作和生活中，简直是“两幅面孔”——生活中的他其实是一个非常“萌”的人。比如他给自己起了一个非常奇怪的微信昵称，叫“烫烫烫”，后来我才了解到这是编程C++过程中出现的乱码汉字编译，也反映出他在生活中有趣的一面。

　　对于自己加入地平线的选择，他直言：“我喜欢挑战，简单的事情对我而言没有意思。”正是秉持着这样的精神，他选择在物体检测和图像分割领域进行进一步的探索，将算法与芯片结合，让理想的灵魂落地。

　　恭喜你，进入了文末彩蛋环节！小编带你一探日常生活中的黄李超。