你为什么从Face++（旷视科技）离职? - 知乎有问题，上知乎。知乎作为中文互联网最大的知识分享平台，以「知识连接一切」为愿景，致力于构建一个人人都可以便捷接入的知识分享网络，让人们便捷地与世界分享知识、经验和见解，发现更大的世界。868被浏览<strong class="NumberBoard-itemValue" title="2,936分享邀请回答1添加评论分享收藏感谢收起Megvii旷视科技（Face++）相关介绍：旷视科技是一家专注机器视觉和人工智能的极客技术公司，打造领先的人脸识别，图像识别，和深度学习技术服务云平台。旷视科技将致力于"先让机器看懂世界，再让机器真正思考"。官方网站：https://megvii.com/https://faceid.com/http://www.faceplusplus.com.cn/http://www.imageplusplus.com/https://koalacam.net工作在旷视：Ref: http://mp.weixin.qq.com/s?__biz=MzA5MTk4MDczOA==&mid=&idx=1&sn=91bbc4d6f3aefbc004cbf49&scene=1&srcid=1107NnIQ3eXo57cG09MbO1Ly&from=singlemessage&isappinstalled=0#wechat_redirect相关荣誉：人脸检测 (Face Detection) 即在照片中精准定位人脸位置的算法，在世界公开评测集FDDB 排名第一。人脸关键点检测 (Facial Landmark Detection)指的是精准定位面部关键部门的位置(如眼角，嘴角等)，在世界公开评测比赛300-W排名第一。在最重要的互联网图片人脸识别(Face recognition) 比赛LFW中，Face++团队更是力压Facebook人脸团队 (前face.com团队)，获得世界第一。在极难识别的互联网新闻图片上，获得了97.27%的准确率。相关展示：在德国汉诺威IT博览会上，阿里巴巴创始人马云举起手机，通过支付宝"刷脸支付"，购买了一款1948年汉诺威纪念邮票。这是我国人脸识别技术应用到商业领域的首个产品雏形。如有意者请注明职位意向，招聘来源发送简历到：架构师，张磊，招聘职位：---------------------------[后端定制化开发工程师]1.&&&&&&&& 根据客户现有IT环境或云环境及客户需求，改造现有深度学习云应用，使之可以整合并落地；2.&&&&&&&& 根据深度学习云应用对云的需求及客户需求，改造或增强云或云服务；3.&&&&&&&& 根据客户需求及现状，整合其他软件或客户现有软件，以达到利旧目标。任职要求：1.&&&&&&&& 本科及以上学历，一年以上工作经验；素质好的应届毕业生也可酌情考虑2.&&&&&&&& 熟悉Go或Python；3.&&&&&&&& 熟悉linux系统，有一定shell脚本开发经验4.&&&&&&&& 有云平台开发经验、大型项目经验或高并发项目经验优先。5.&&&&&&&& 良好的沟通能力和驱动力，出色的团队合作精神，极强的执行力。---------------------------[系统架构师]1.&&&&&&&& 在客户现场负责具体落地及运维工作；2.&&&&&&&& 从系统角度确保方案的可落地性及可运维性；3.&&&&&&&& 在现场与客户沟通具体使用环境、使用痛点及进一步需求，以持续改进方案、提升用户体验。任职要求：1.&&&&&&&& 本科以上学历，5年以上工作经验；2.&&&&&&&& 具有Linux系统经验、shell脚本编程能力；3.&&&&&&&& 了解网络架构、具有存储设备使用经验，具有（大规模设备）运维、监控经验优先；4.&&&&&&&& 良好的沟通能力和驱动力，出色的团队合作精神，极强的执行力。---------------------------[实施工程师]1.&&&&&&&& 在客户现场负责具体落地及运维工作；2.&&&&&&&& 与架构师及开发人员合作，确保方案的可落地性及可运维性；3.&&&&&&&& 在现场与客户沟通具体需求，以持续改进方案任职要求：1.&&&&&&&& 本科以上学历，2年以上工作经验；2.&&&&&&&& 具有Linux系统经验、shell脚本编程能力；3.&&&&&&&& 了解网络架构、具有存储设备使用经验优先，具有（大规模设备）运维、监控经验优先；4.&&&&&&&& 良好的沟通能力和驱动力，出色的团队合作精神，极强的执行力。--上善若水。水善利万物而不争，处众人之所恶，故几于道。☉ WWW.YINGJIESHE.OM☉:&北大未名站 bdwm.net&[FROM: 61.50.127.138]附件列表 (使用WWW方式可以查看附件):1: static-img-prestige-aboutus.jpg (70.506千字节)附件1:
职位专业分类：
上一条：没有了
相关专业最新招聘信息
热门招聘信息
　　　　　
　　　　　
名企校园招聘旷视科技孙剑首次公开发文：Face++与MSR的研发部门有什么异同？
[ 亿欧导读 ]
什么叫一个公司的研发部门本质呢?我认为有三个要素极其关键: 使命定位、人员组成和研发方式。人才是研发的生命线。创造一个良好的环境吸引人才，培养人才，留住人才是我们的第一优先级。
2016年，就我个人来讲，所做出的最重大抉择，就是在已经工作了十三年的（以下简称MSR），和一个成立不过几年的创业公司——Face++（以下简称Face++）之间，选择了后者，并且以首席科学家身份加入。当时我还住在西雅图，当真是“身未动，消息已远”，各种报道从国内外朋友圈向我强势袭来，让我体会到了媒体的力量。时至今日，我已搬回北京，在Face++上班近半年了，依然时常被问及：“过的怎么样?”，“Face++和MSR的研究部门一样吗?”，“Face++是如何开展研究工作的?......”等等。问题或大或小，但大多诸如此类。值此新年之际，我想把自己这半年来的观察与思考与大家分享一下，权且当作对各位关心的答谢。
接下来，我将围绕大家关注的一些典型问题，逐一说明: Face++与MSR的研发部门有什么异同?
就我的观察与体验，两家公司研发部门的本质是几乎没有差别的。 什么叫一个公司的研发部门本质呢?我认为有三个要素极其关键: 使命定位、人员组成和研发方式。坦白来讲，从这三点审视，我在两边看到了惊人的一致性，也就是说：
1、他们都同样有着既基于产品，又探索前沿技术的使命定位;
2、他们都同样聚集着一群追求极致：有Geek精神，且高自我驱动的精英;&
3、他们都用同样的套路推进研究工作确定问题：①实现、研究和理解既有方法&②进行持续改进或创新。
在这其中，最令人有现场触动感的还是“人”。举个最近让我感动的例子: 下面这张我在2016年最后一天发的朋友圈最好的诠释了Face++的核心价值观“追求、极致、简单、可靠”中的前两点。
当然，即便两边研究部门的本质相同，也必然会存在着不同之处， 毕竟每个公司都有其特定的文化与管理模式。当我身边的战友们从平均年龄三十多岁直降十岁的那一天突然来临时，我一方面感觉自己好像在瞬间迈入中老年的行列中（讲个梗:今天一名同事问我为什么把手机字体调的那么大），另一方面觉得自己充满了干劲，同 时还有一份沉甸甸的责任感。
Face++的研究部门在研究什么?
在众多场合下问，这个问题是被提及次数最多的。为什么会有这样的疑问呢，我想不外乎两方面的思考，一是想知道公司具体研究哪些领域，长期课题与目标是什么，二是想了解一家创业公司里的研 发部门，到底能不能推进真正意义上的研究工作，还是打着研究的旗号做着产品开发。
这里还隐含着一个认识上的误区，就是在我们公司被广泛称为Face++之后，越来越多的人误以为Face++嘛，只是在做人脸技术。人脸，目前确实是一个商业前景广阔，玩法花样不断翻新的应用。但是，Face++从创立第一天就聚焦在的三大应用领域之——计算机视觉，是以一系列视觉识别（人脸、人、物体、文 字、场景、行为等）问题为中心，研发核心算法，打造能落地的产 品。 消除了这样一个误区，你会比较好理解，为什么Face++要用 “Power Human with AI”作为使命，用“人工智能技术造福大众”，来发愿。毕竟公司的全名是叫旷视(英文叫megvii, 取自mega vision） ，也就是大的视觉。
回到问题本身，目前我们主要在集中研究四个视觉理解核心问题（见下图）：图像分类、物体检测、语义分割和序列学习。研究的技术路线是彻彻底底的深度学习：
1、使用深度;
2、尽最大可能使用端到端（end-to-end）学习。Face++应该说是这波儿人工智能创业公司当中最早研究并应用深度学习的。
图像分类是最基础的问题
这个问题自身就有广泛的应用（例如人脸识别和场景分类），也是研究其他问题的根基。深度学习的出现使得我们从以往的特征设计走向了网络结构设计，这里包含很多对问题的深刻理解、实践中总结的经验和原理、优化算法的探索、和对下一步技术发展的判断。 我们的研发部门里有一个专门的小组负责研究如何训练最好的基础神经网络，并沿着以下三个子问题深入：
1、针对不同计算复杂度下设计最优的神经网络;
2、针对不同计算平台的实际要求，来设计最高效的网络;
3、针对不同问题设计最合适的网络。
另外对神经网络模型的压缩和低比特化表示也是我们研究的重点之 一。
物体识别是解决感知图像中哪里有什么物体的问题
典型的应用包括手机上的人脸检测， 无人车中的车辆/行人/交通标志的检测，视频分析中的各类物体检测。这个问题是图像理解中研究内容最丰富的核心问题，也是一个非常复杂的感知智能问题。
我们关心的若干子问题是:
1、如何有效地解决遮挡问题。这个问题对人来说好像是很容易的， 但其实涉及到了人脑中对不可见部分自动做联想和补充的能力，已经部分属于人类的认知智能能力范畴；
2、如何有效的利用图像或视频的上下文（context）信息或我们的常识（common sense）。上下文和常识对我们避免一些明显错误和小物体检测十分重要。目前的物体对小物体检测的性能非常不理想，和人眼的能力差距还是非常大的。如果我们单独把小物体从图像中裁剪出来，人也很难识别。但是当小物体放回整副图像中，人却做得非常出色。
我个人认为对这个两个子问题的深入研究真的可以对理解认知智能提供有意义指导，甚至是突破。
语义分割就是对每个像素分类，这是一个更为精细的分类任务。
比如说把识别出来的人体分割成具体部位，把人脸分割成五官，把场景分成蓝天、建筑、道路和物体等。目前在这个问题上统治性的方法是Berkeley在2014年提出的全卷积网络（FCN）。这个方法使得神经网络具有了有强大的结构化输出能力，进而将深度学习有效地推进到很多中期和初期视觉理解（例如立体匹配和光流计算）问题上。我当年博士论文就是在研究初期视觉中的立体匹配问题，十几年后的方法发生了根本性的变化，当年是想也不敢想的。我们研发部门的一名实习生在最近的CVPR投稿中设计了一个简单有效的FCN模型，在公开评测集上取得了非常好的效果。（顺便插个广告 ，Face++一直面向全国招收实习生、兼职或全职均可，欢迎来我司 对众多有意思、有难度的视觉理解问题进行深入理解和有效解决。 ）
序列学习是最有趣的问题，它的形式多样，可以输入一个序列(视频或音频)进行分类，也可以针对一副图像输出一个描述性的文字序列，或输入输出都是序列(例如识别图像中的多行文字)。
解决这三类问题的算法在Face++的产品中都有应用。目前解决这个问题的主流方法是递归神经网络（RNN），也是现在在语音识别和自然语言处理中的大杀器。由于人的智能本质是在实时的“处理”连续 不断感知到的信号流，这使得序列学习成为当下的最热的研究方向 之一。尤其是最近引入外部记忆读写机制和执行单元的RNN，让我 看到了解决人工智能不少难题的一丝曙光。Face++的研究员们也正在这方面积极思考，积极实践。
我们在Face++旷视科技如何开展研究? 推进研究部门的工作，核心是培养人做事的能力，并给予最好的。
培养什么人才。人才是研发的生命线。创造一个良好的环境吸引人才，培养人才，留住人才是我们的第一优先级。信息学竞赛 （NOI/IOI）和大学生程序设计竞赛（ACM/ICPC）的选手们构成了研究部 门的第一批战士。我们后续更多的战士来自五湖四海，拥有相当不同的背景：既有以前做视觉的，也有以前做机器学习的，既有研究基本问题的，也有专注特定应用的。一个多样性的环境也使得我们看问题的角度更全面。在这样的基因下，我们大致将人才向两个方向培养：研究科学家，和全栈人工智能工程师。研究科学家主要聚焦在算法上，寻求对问题的本质解，我们的培养目标是成为能独挡一面领域专家；全栈人工智能工程师是我们内部的叫法，目的是培养即能上九天揽月（算法设计和训练），又能下五洋捉鳖（算法的 工程化，研究问题和方式系统化）的全能战士，他们既能做research，又懂system，能建系统、造轮子。针对目前AI发展的趋势 ，我们需要大量的全能人才来将AI “+” 到不同的行业上，解决实际问题。这就对人才提出了更高的要求。我们相信即便没有AI背景的工程师，在这里工作1-2年后就能成为独当一面的人才。
怎么做事。有了一帮志同道合的小伙伴们，就要围绕这上面介绍的四个视觉理解核心问题开展研究、并将研究成果应用在具体的视觉识别场景中。Face++的研发团队扁平化，每个研究小组由2-4人组成，聚焦一个课题。课题可以是短期的，例如对已经应用的某个产品线上的算法的改进；课题也可以是长期的，例如持续提升识别的精度和性能。 我们的每个研究员都可以在不同的课题之间自由切换 ，这样能最大程度发挥个人的长处和积极性，同时也让大家有机会短时间了解更多的问题，有更丰富的经历，能更快的成长。套用现在深度学习的精髓，每个人的学习也需要输入大数据。
研发环境。做深度学习研究需要一个非常高效的训练引擎/平台和充沛的计算资源。Face++内部使用了近两年的“MegBrain”是一个全自主研发的训练引擎，它与目前流行的TensorFlow（Google一年前发布）设计相似，同属基于Computing Graph的新一代训练引擎。为 什么非要自研系统呢?公司研究深度学习开展得非常早，当时还没有很好用的系统，并且MegBrain在同时满足灵活性及精简性的基础 上，能最大限度提升工作效率。目前在AI创业公司中完全使用自研 深度学习训练引擎的，可能只有Face++。
除了核心引擎，我们的体系结构组还搭建了一个强大的深度学习平台Brain++来管理我们庞大的GPU集群，来完成从数据标注和管理、 模型训练、GPU集群中心化管理、到产品化发布的“一条龙”自动化 流程，从而使得我们的研发人员将宝贵的精力集中在问题上。这也使得来Face++的实习生非常容易上手，即便对深度学习系统零基础，一套简单的教程读过后2-3个星期就可以开始思考问题了。这些系统能够建立得益于我们团队内部的有不少“全栈人工智能工程师”，他们不仅是深度学习方面的专家，更是系统和分布式计算方面的专家。
最后针对深度学习很大程度上得益于大规模训练数据，我们还设有专门的团队负责标注工具开发和完成大量数据标注任务。以前读书时开玩笑的一个讲法是“没有不好的算法，只有不好的数据”，Data is King。
本文系投稿稿件，作者：孙剑；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。
各工作岗位将被AI取代的概率
选择岗位，查看结果
制图员和摄影师
建筑造价师
计算机硬件工程师
石油工程师
采矿和地质工程师（包含安全）
电气工程师
核能工程师
景观设计师
生物医学工程师
土木工程师
航空航天工程师
化学工程师
机械工程师
制图员和摄影师
快来扫描二维码，参与话题讨论吧！
获取验证码
新用户登录后自动创建账号
登录表示你已阅读并同意
账号为用户名/邮箱的用户 选择人工找回
关联已有账户
新用户或忘记密码请选择，快捷绑定
账号为用户名/邮箱的用户 选择人工找回
获取验证码
创建关联新账户
发送验证码
获取验证码
未完成注册的用户需设置密码
如果你遇到下面的问题
我在注册/找回密码的过程中无法收到手机短信消
我先前用E-mail注册过亿欧网但是现在没有办法通过它登录，我想找回账号
其他问题导致我无法成功的登录/注册
账号密码登录
关联已有账户
曾经使用手机注册过亿欧网账户的用户
创建并关联新账户
曾用微信登录亿欧网但没有用手机注册过亿欧的用户
没有注册过亿欧网的新用户
先前使用邮箱注册亿欧网的老用户，请点击这里进入特别通道
扫描二维码，下载亿欧客户端
Android & iOS
亿欧公众号
小程序-亿欧plus视觉人工智能概念股爆发 旷视科技Face++或受益_凤凰资讯
视觉人工智能概念股爆发 旷视科技Face++或受益
用微信扫描二维码分享至好友和朋友圈
原标题：视觉人工智能概念股爆发 旷视科技Face++或受益 　　两会期间，让股民最关心的话题可能就是
原标题：视觉人工智能概念股爆发 旷视科技Face++或受益
　　两会期间，让股民最关心的话题可能就是抢购哪些人工智能概念股。随着人工智能等四新行业专享的绿色通道和CDR的即将推出，和人工智能相关的、有深度业务合作的上市企业都被股民深挖出来，而其中旷视科技Face++，因在《2017胡润大中华区独角兽指数》中人工智能类独角兽估值排名第一而备受股民关注。相信很多人都在煞费苦心的寻找旷视科技概念股的身影，都有哪些公司入股旷视科技Face++?旷视科技上市时间表如何?下面的内容吐血整理。
　　旷视科技成立于2011年，主要做计算机视觉相关技术研发与应用落地，最早以“Face++”的名字为外界熟知。首先我们来看旷视科技投资方：旷视科技创业之初获得了联想之星天使融资;2013年获得创新工场百万美元 A 轮投资;2015年获得来自启明创投、创新工场2200万美元B轮融资;2016年获得建银国际、富士康集团(02038)新一轮融资。国内人工智能公司旷视科技Face++已于日完成 C 轮融资，本轮融资金额约为4.6 亿美元，本轮由中国国有资本风险投资基金(简称“国风投”)领投，蚂蚁金服、富士康集团联合领投。本轮融资由 C1、C2 两轮构成，同时引入包括中俄战略投资基金、阳光保险集团、SK 集团等新的重要投资者，资本作为本轮融资独家财务顾问。
　　这么看来，旷视科技face++背后的靠山都大有来头，有这么多雄厚资金的支持，相信旷视科技face++更多高科技产品造福人类。
　　再看旷视科技主要合作伙伴，旷视的核心业务有3个：金融安全(互联网金融+移动+出行)、城市大脑(安防+零售)、手机智能，还有一些创新业务包括物流、机器人等。我们挨个说。
　　金融安全：中信银行(601998)、北京银行(601998)、招商银行信用卡中心(600036)、江苏银行(600919)、优分期、支付宝、小花钱包、国美美借(00628)、邦付宝、易付宝、小米金融、你我贷、掌众金融、神州租车(00699)、易到用车、E代驾、美图秀秀(01357)、视吧、世纪佳缘、360(601360)等。
　　城市大脑：御泥坊、菜鸟、龙湖地产(00960)、凯德集团(C31.SG)、汇丰银行(HSBC)、SOHO 3Q(00410)、秀水街、优客工场、融创智谷。
　　手机智能：华为、小米、VIVO、美图(01357)、锤子、高通、联发科等。
　　以上信息吐血整理，仅供参考。这其中，有不少公司都是还未上市的巨无霸，旷视科技概念值得关注。
用微信扫描二维码分享至好友和朋友圈
凤凰资讯官方微信
播放数：138002
播放数：159440
播放数：144886
播放数：164309Face++旷视科技C轮融资4.6亿美元分享：Face++旷视科技C轮融资4.6亿美元轮次其他轮融资金额4.6亿美元所属领域信息技术投资时间10月31日消息，中国人工智能公司旷视科技(Face++)已于今日正式完成4.6亿美元C轮融资，刷新此前由商汤科技保持的国内人工智能领域融资纪录。 据悉，本轮融资由 C1、C2 两轮构成，由中国国有资本风险投资基金(简称“国风投”)领投，蚂蚁金服、富士康集团联合领投，同时引入包括中俄战略投资基金、阳光保险集团、SK集团等新的投资者。 旷视科技(Face++)方面表示，完成本轮融资后，公司将进一步强化在金融安全、城市安防领域的全面发展，并将加快在城市综合大脑及手机智能领域的技术落地。旷视科技(Face++)CEO印奇表示，在赋能机器之眼的技术愿景下，构建城市大脑是旷视人未来的重要社会使命。投资方融资历史其他轮 中俄战略投资基金SK集团4.6亿美元C轮 1亿美元B轮 2500万美元A轮 金额未透露天使 2012-08金额未透露该领域的其他融资事件B轮不详天使1500万人民币搜狐天使1000万人民币JRR Crypto战略投资2.9亿人民币印尼力宝集团相关报道
该领域的创业项目该领域的投资人MORE
市场及媒体合作李小姐010 37.cn投稿邮箱.cn
投资界微信
(C)清科集团版权所有京ICP备号-2京公网安备32号