已离职，关于海康及研究院的相关问题，已不方便回答，见谅。 刚好在海康威视研究院工作，也刚好在从事机器视觉(目前做跟踪)，模式识别这块，我来为公司正个名吧。 为了防止泄密，也就针对几个回复做一些解释吧。 首先就是有人说到了海康、大华车牌识别做得特别好。这个确实是做得很好，原因呢，两方面吧，一方面是最早期做机器视觉就是从这车牌识别开始入手的，经历过了这么多年的积累和优化，已经是一款相当成熟的产品了。另一方面呢，也说的很对，确实是因为能赚钱，有钱赚自然是我们不断努力，不断进步的动力了。 再就是一些人回复到，就是个做安防，装摄像头的。这个通过我回复的车牌识别的问题，就可以基本上对这些人的回复进行反驳了。现在车牌识别也就完完全全是计算机视觉的范畴了，除了视频图像编解码、存储外，车牌的定位、图像预处理、字符分割、识别等，都涉及到计算机视觉的方方面面，另外公司现在产品线也已经扩展到各个行业的方方面面了，都会涉及到机器视觉的相关技术。所以呢，你们说的对，海康是做安防的，是装摄像头的，但我们真的不仅仅摄像头了。 还有就是那位在读研究生所提出的种种了。确实是感觉有点太学生气了，评论里有些人对他的部分意见进行了反驳，我就不多说了。海康每年都会有针对在校学生的开放日，诚挚邀请你过来体验下，体验后再发表相关评论不迟。 老实说，我当时来海康，也抱着发篇CVPR的愿望（O(∩_∩)O哈哈~），但公司的状态真的是和学校是有差异的。这个想必大家工作后都会有相应的体会的。身边也有大学、研究生同学在百度IDL，阿里iDST的，那位说海康没多少顶级会议期刊的同学，也可以去查查百度、阿里的这两个部门在相应期刊上发表了多少的论文（我记得余凯先生前年是在ICML2013上发表了篇paper，拿到了Best Paper Runner-up Award了，好像不是第一作者）。而且，也不得不承认，作为一个成立刚一年的研究院，我们与这两大互联网巨头的研究院差距也还是有的，我们现在已经在专利申请方面，有了很大的进步了，下一步，可能就是所说的顶级会议和期刊上的论文了。但我们也会不断努力的，去年5月份习大大对我们部门的视察，也是对我们的一种莫大鼓励了，我们会在这份激励上继续前进的。 另外这位同学也可以问问在百度、阿里这两个部门的同学，你也会发现，这两个部门也不是纯粹做研究，发paper的。因为不管怎样，部门的存在都是以实际需求为驱动的，这两个部门也是以公司内部的实际需求为第一要义的。 最后再说说公司的优势部分。有人说道海康的优势是和政府部门打交道，将相应的产品卖给政府。是的，作为一个在校的学生，当然可以对这种行为嗤之以鼻。但走向社会后，你会发现这是很多人，很多公司都无比羡慕的一个优势。而且现在国内安防方面的公司可不仅仅只有一家哦，海康，大华，宇视科技，天地伟业等等等等，很多好的企业的，为什么我们能作为政府的第一采购商呢？为什么我们能做到市场占有率第一呢？要知道，除了政府机关，现在很多写字楼，很多园区，很多单位都在使用我们的摄像头和相应的一体式解决方案，这也是因为我们也自身在技术上的积累了。而且，您也可以去查查海康官网，现在我们的产品，在俄罗斯，北欧，南美，非洲，东南亚，都发展得相当不错了，也占到公司总销售额的相当比例。 还有就是，现在做公司，虽然每家创业公司都标榜自己技术至上，但在中国，等到你真正成为一家公司的老板后，就会发现，技术真不是公司发展的第一因素了，最起码，你得拿出能维持公司运营的产品出来。这也是目前很多机器视觉创业公司所遇到的问题，都是以最好的技术作为公司的宣传策略，但无论怎样，首先，公司得靠产品活下来才行。 发现自己好啰嗦，讲了大半天了还在瞎BB。。。 最后说两点好玩的东西吧，也是实际项目中碰到的。因为保密原则，就不介绍细节了。 (1) 坐在我旁边的是我同一个大学的师兄，有一天我路过他工位时，看到他在做一个很炫酷的东东，然后就很好奇滴问了两句，他说，因为领导去XX公司考察(就是题主提到的某家学院派创业公司)，觉得他们某个产品很炫酷啊，然后回来说我们也要搞，就交给他搞了。然后我问师兄，感觉很牛逼的样子啊，技术含量太高了。他说还ok了，其实都由公司现成的工具包的，将这些现成的工具组合加以利用，再做一些相同比较炫酷的显示效果，就行了。 说到这里，可能大家会想到腾讯，会想到一些大型互联网公司为什么能很快地时间内，快速开发出，甚至超过某些小公司开发的新产品？因为我们不仅仅是有更好的渠道，更好的市场推广，而且也因为我们有最好的技术储备。这些技术储备也是公司一代又一代前辈们努力的结晶。 (2) 再一个例子，就是我目前参与的公司最新发布的无人机了，该款无人机产品在去15年末的深圳安博会上发布了，也不涉及泄密的问题了。一说到无人机，大家肯定想到的是大疆，是零度智控。现在全国有上千家大大小的无人机公司，竞争异常激烈，包括腾讯，也发布了自己最新的无人机。应该来说，目前大疆在无人机领域的地位应该是不可动摇的了，但为什么我们也要做？因为我们能利用自身的优势，恰好和大疆等企业打一个领域差异化。试想想，如果某地路面交通极其拥堵或火灾，这时交警通过无人机能将实时视频回传到自己的手持单兵系统与交警大队的指挥大屏上，供领导和专家进行更好的决策，这岂不是很完美？要知道，交警的手持单兵系统，交警中心的指挥大屏也是我们海康自己的哦，也只我们才具有这个得天独厚的一体式解决方案哦，这些也是大疆等无人机企业无法做到的哦。除了在交通路况，火灾洪水地震等自然灾害领域中应用，森林，武警，海防，石油行业中，海康的无人机相对于一些纯粹的无人机公司，也会有一些无可比拟的优势哦。所以呢，我是对公司无人机的未来，是充满信心的，因为我们有自己的优势（可以简要概括为一体式解决方案的优势），而这些优势，恰好是其他企业所不具备的。我们利用好了自身优势，也算是一种成功吧。 最后呢，打个广告吧。我入职时，公司新人培训，hr问我为什么离开上一家公司，我说我离开上一家公司，是因为上一家公司太操蛋了。来了海康后，发现上一家公司真的很操蛋。应该来说，作为一家员工人数超过1万的大企业，海康也有一些大企业的通病，但公司规范化的运作方式，会让你受益匪浅的。最起码，规范化的编码规范，详实的技术文档，规范的流程管理办法，会让你觉得在这家公司可以安安心心做好自己想做的事情。可能等你工作一段时间后，再回头看这段经历，会觉得真的受益匪浅。 -------------------------------------------------------------------------------------------------------------------------------------------- 再来补充一下关于计算机视觉实际项目中的问题吧，不涉及公司机密，就简单讲讲一些事情。我想到哪讲到哪了，见谅。 首先呢就是关于机器视觉中的检准率和检出率的问题，以前在学校，看到各种大牛paper，在各种顶级论文上公布的识别率蹭蹭蹭亮瞎狗眼，当时，包括现在，都是很佩服这些沉下心做研究的学者们的。但工作后发现，很多事儿可能真的不是想象的那么简单的咯。就是说，单纯的追求一些性能指标，真的对工作会有很大的帮助吗？要知道，我们最后是将产品卖给客户的，而对很多客户而言，他们根本不在乎您产品的准确率是98%、99%、抑或是99.9%，如果您说到您的某某产品识别率是世界第一，客户听到后只会觉得：哇，好酷~但最终他们追求的是产品的性价比和产品到底好用不好用。因为很多客户根本不是从事图像相关行业的，提升的几个百分点准确率对他们意义可能真的没有这么大。对客户来说，他们真正关心的是产品的价格，是否能够稳定，能否很快上手使用等因素。就像我们去买车一样，我们最关心的是车的价格、外观、内饰、可靠性、安全性、油耗等因素，而这辆车能跑到295码或300码对客户的意义真没有想象的那么大。 再就是大家从事实际计算机视觉项目开发中，可能会碰到很多参数设置的问题。往往在学校的项目，都会有很多参数需要去设置，比如说移窗设置多大呀，移窗步长设置多大呀，各种thres设置多大呀，这些往往很难有一套普适的参数设置的，而且真的的产品，这种参数数目会更多。而且很多参数之间往往没有相关性，只能在实际应用中去一个个调试，找到最合适的值（举个最简单的例子，不可能天下所有摄像头放置高度都一样吧，不同的放置高度、角度，也需要设置不同的值），因此呢，以前我们在学校，也自己开玩笑道，做机器视觉，做着做着大家都成了“调参侠”------在没有指导性方案前，我们也只能自己去摸索，不断的调试优化，找到一组最好的方案，得到最好的结果。 这也是目前很多创业型公司所标榜的自己识别率多高多高，在知乎上也有调侃，就是大家都在调参的路上一路奔跑，没有尽头。但中间的问题，大家也知道的，我们的参数设置得越多，调得越来越针对某个特定的数据库，很显然这是一个过拟合的问题了。再一方面，ImageNet等等数据库也不一定是真实世界的反映了，只是一个相当小的子集而已（这个大家可以参考CVPR2011这篇文章：Unbiased Look at Dataset Bias上所说的），现实中很多奇奇怪怪的问题是不会包括在这些研究性数据库中的，当我们在研究性数据库中调出了最好的一套参数后，你会发现，现实中各种奇葩问题会让你各种崩溃的~~~反正我是碰到过各种奇葩的事情，包括雨天雪天等恶劣天气采集的视频呀，大风天气摄像头被风吹的各种抖动呀。而且，摄像头一般都是发光发热的，因为蚊虫的驱热驱光本能，它们最喜欢在马路路灯下，（红外）摄像头前面飞来飞去等，各种奇怪现象都会对最终的识别有影响的。还有就是公司文教卫课程录播产品（此项目已经发布，且早已在全国很多学校部署）中，你会发现小朋友们真是好动哦（起码我读小学是多动症的，上课坐不住），往往定位到一个小朋友后，会有很多小朋友干扰你的检测。再就是现在的小朋友营养真好，很多低年级的小朋友都长到150、160了，快有小学老师高了，而还有小朋友也是个小不点，站起来可能都没课桌高，就更别提检测了。 再就是以前在学校做项目时，往往一个特征对目标的可分类性不强，我们就多加几个特征呗，美其名曰combine features。在实际项目中，因为可能会存在的各种奇葩场景，单凭靠一套算法打天下真的很难做到了，我们有时候也需要combine各种features，各种methods的。 还有就是那位同学可以去问问在阿里、百度工作的同学们，往往在数据挖掘，数据分析中（特殊场景除外），使用得最多的，往往就是那些最简单的方法，比如逻辑回归，线性回归，决策树，简单的神经网络等等。为什么呢？因为简单，高效，易推广，并且稳定。很多在实验室中最优秀的算法，可能在真实应用场景中真的没有想象得那么好的，你能否保证这些最优秀的算法拿来用就比那些经典算法更加稳定呢？要知道经典之所以能流传，是因为得到了无数前辈们前仆后继地验证了的哦。 又扯了一堆废话。。。。真啰嗦。 最后再回到检准率和检出率吧，在学校呢，我们往往希望我们的算法检准率和检出率都高，这样才显得我们算法高大上。但工作中呢，往往因为一些客观原因，我们不得不做一些取舍和权衡。比如在监狱、军事封锁区、海防等场景的入侵检测上，我们宁可牺牲检准率，也要保证检出率。因为这些场景中，多出一点错检没关系，顶多再去人工复核一遍了，但如果检出率低，出现了漏检，后果就会很严重了。 就这些吧，说多了怕被领导拉去谈话了~~~ ====================================================================== 距离上次修改已经有快半年的时间了，这半年经历了很多，公司和研究院也取得了很快的发展，可以与大家分享下。 年初，研究院同事Yuan Zhang, Di Xie and Shiliang Pu，在MOT Challenge 2015上，取得了第一名的成绩（可参考链接：MOT Challenge，可以查看相关新闻介绍，不过现在已经落后到了第三名，但也是很不错的成绩了），说明研究院团队在图像算法的前沿技术研发上，也已经取得了比较领先的地位。同时，我们也将已有的RCNN、fast CNN、faster CNN不断改进优化，目前已应用在很多公司实际的产品上。今年年中总结会议上，研究院领导也表示，公司在针对图像的前沿科技探索与创新上，已经走在了前沿，希望我们能再接再厉，打造成更顶尖的研究团队； 这半年在知乎上也认识了很多朋友，有很多知友私信我询问公司的相关情况，很欣慰看到公司越来越得到大家的认可和兴趣。现在研究院在模式识别工程师、大数据工程师、数据挖掘工程师等岗位上，只倾向于招收顶尖大学985研究生，老实说，作为一名普通的算法工程师，我个人比较对这种唯学历招人的做法嗤之以鼻。但一方面，说明由于研究院知名度的提高，有更多更优秀的人才愿意选择加入，为了方便用人部门更加精简地筛选出合适的人选，也只能通过这种硬性匹配的方式达到目的。另一方面，也说明公司在一些前沿科技的探索上建立了更宏大的目标，希望依靠于更优秀的人才，做出更好的成果，服务于公司，服务于客户。以上。 ================================================================ 最后一次更新： ImageNet2016竞赛海康威视研究院： Scene Classification第一名，Object Detection第二名，Object Localization第二名，Scene Parsing第七名。 具体资料可以查看： 【高手之道】海康威视研究院ImageNet2016竞赛经验分享 - 知乎专栏 CVPR2017，accepted http://cn.arxiv.org/abs/1703.01827 All You Need is Beyond a Good Init: Exploring Better Solution for Training Extremely Deep Convolutional Neural Networks with Orthonormality and Modulation 慢慢来吧，现在顶尖论文也有了，研究院也一步步越来越好了。 已离职。

海康威视作为视频监控领域的领军企业，整体技术实力是不容置疑的，只是在智能分析相关产品上，老板其实一直不够重视，或者说，最近几年一直在观望。记得6年前他们的胡总曾经说过:跟你们说实话，5年内，我都看不到智能视频爆发的迹象。原话记不清了，大体意思是这样的。现在看起来他的预测也是有一定道理。有点离题了。关于人工智能相关的技术，海康一般是采用拿来主义，也就是说，把优秀的算法集成到产品当中，他主要做产品化，虽然他们也有自己的研发团队，但其实并不是很重视，其实这很容易理解:国内浮躁的氛围，做研究的都在想办法包装炒作，更何况海康内部那些研究人员，搞不出啥名堂的，我相信老胡其实清楚得很，那为啥还要自己做研究呢，一方面，为了能消化吸收国外优秀算法，总得有个懂点吧，另一方面，也是为了做个备份，讨价还价也好有点底气。世界是平的，海康现在已经是全球化的公司了，技术合作方早已遍布全球，这么跟你说吧，几乎全球最顶尖的研究机构，都跟海康有合作，已经有很多海外项目案例了，其实智能方面，还是国外客户比较理智。虽然新兴的视觉公司，可能有一些人才的确比海康国内的研究人员强，但这并不意味着最终产品会比海康强。玩技术没有意义，主要看产品。DVR难做么？不难，但你能做到跟海康一样好用不？一年半最多死机一次，你能做到么？大量的研发人员其实都眼高手低，用opencv做了demo，或者用caffe训练出模型识别一下阿猫阿狗，阅读tensorflow学点符号化编程，就开始信心爆棚了。半桶水最喜欢晃荡了，真正的高手，比如caffe的作者贾SIR，都是很低调很谦逊的。浮躁的环境，不仅做不好研究，甚至连产品都做不好的。国内为何有那么多公司对炒作乐此不疲，却不愿意踏踏实实做研发呢？答案很简单:一方面，国内客户脑残者居多，这是对C端业务而言;对B端业务，领导也希望跟造势的公司合作，他们最关心的是，万一有问题，屁股就坐不稳了。"你们看，连xxx这么niubility的公司都搞不定，那就不是我的事儿了"，其实是否技术真niubility，领导心里清楚得很，但那已经不重要了。"宝宝心里苦，但宝宝不说" (提到的公司，如有不对的地方，还请多多包涵，并与我联系，我可以修改或删帖，谢谢)

类似的公司有SenseTimeCogtu 知图科技、码隆科技、 Linkface、Face++、格灵深瞳、旷世科技、大华、海康威视、华为、美图秀秀、百度识图、百度魔图、深圳大疆。海康、大华和旷世、商汤的等主要方向不一样而已

我认为诸如FACE++，商汤科技 这种公司的所谓的技术不过只是停留在大学实验室层面，就是忽悠投资人用的。一群刚毕业的学生没有经过工程领域的积累，市场的打磨，只是在空想发PAPER，没什么技术含量。跟最近几年打着“大数据”旗号之类的忽悠型创业差不多 海康无论从技术、资本、市场基本就是碾压这些公司的存在。海康是一个巨鲸，那些创业公司就是一些小虾米。这些小虾米最好的结果也就是被海康，华为这些巨头收购而已。

海康的研究院关键要进对组，有的组真的实力很强（比如今年IMAGENET夺冠的那个组）有的组就特别坑爹，比如人脸组。他们的老大当时分享人脸算法的时候，讲道理我是真听的惊呆了，这TM的是一个研究院性质的核心部门的老大？？通篇废话，漏洞百出，可以说是连很多常识性的东西都不懂，要扔我们学校早被嘘声嘘死了。 感觉这里的大领导们压根没搞清楚一个问题：如果领导是狼，手下即使是羊也能发挥出狼的实力，但如果领导是羊，你花重金招这么多牛逼的毕业生，他们的自尊心又怎么会愿意听一个完全不懂行的人指挥？这边也算给未来来这边的同事提个醒吧，谨进人脸组

海康威视：我们不生产技术，我们只是技术的搬运工

哎！这杖打的，对于海康我是使用者我们工程做的多！举一个非常简单的例子吧！海康的球型机外壳是铁的！表面上看是增加了重量实际上这种设计方式是为了散热良好，其他用塑料做外壳的公司摄像头装上以后很快就会发热烫手从而大大缩短使用寿命不信你们可以买两个试试！在一个就是普通的功能调试软件和产品技术说明是开放的！但是外国公司可不是这样的！我们在调试霍尼韦尔产品的时候就遇到了各种麻烦！什么都不给！所以海康不管研发实力怎么样但是他的运营模式相对还是比较开放的！希望继续下去！其实产品研发应该结合实践的，就算技术在NB一到现场就成了花瓶！在先进的技术也是废的！也就是说你用的发动机是世界最先进的但是你的地盘和车身是全世界最LO的也可能是世界最先进的但是没人会开也是白搭！谁用？有时候有些东西短时间内看起来是好的，可是是经不起时间的洗礼和现实生活的摧残的！

毕业生还是想做视觉应用的很推荐之类的大公司，比如海康大华，大公司会教会你很多，代码规范性，做事的规范性等等，另外，这两个公司都有比较大的算法团队，主流的领悟都会涉及，是应届毕业生锻炼的好地方。而不是从一个小创业公司开始你的职业生涯。

原来做安防监控的，现在开始做机器视觉了！低价策略，有钱任性～～～

海康威视，在自然场景文字识别多个数据集上刷到了第一。 不禁让人联想，他们的车牌识别肯定已经炉火纯青了。