機器視覺項目，使用傳統算法能解決的問題同事非要使用深度學習！

和我們公司另外一個搞機器視覺的同事吵了一架，原因很簡單，我們公司有個視覺項目，我的方案是使用傳統算法，且不需要客戶去標定檢測物，也就是說，客戶只需要點擊軟件的開始按鈕就可以開始檢測，而另外一個同事采取的則是深度學習框架，也就是需要客戶對每一種型號的產品進行標定和取樣才能開始檢測，我覺得他這樣做雖然對我們來說方便一些，但是對客戶很不友好。最后，我倆誰也沒說服得了誰，事情就僵在那了！

我之所以選擇傻瓜式操作，原因就是這次的視覺項目，操作者都是一些普通流水線的工人，平時別說機器視覺了，可能很多人連電腦都沒怎么用過，所以，我的設計就是讓他們只需要點擊“開始檢測”和“結束檢測”按鈕就行了，其他什么都不需要他們去管。

這種與人方便的設計思路，我也是結合客戶現場情況來決定的，選擇把麻煩留給自己。

最主要的是，本次視覺檢測項目其實也不是太難，只要代碼考慮的周全，完全不需要客戶去標定產品的，前期只需要經過一定的時間的測試驗證即可。

本來，這個項目都已經快做完了，因為有部分產品存在一定的特殊性，因此出現了誤檢的情況，再加上我正在參與其他項目，暫時沒時間把這部分誤檢情況寫進代碼里面，所以，這期間就發生了一點誤會。

所謂的誤會，其實就是公司認為我解決不掉這個問題，然后就讓另外一個同樣是搞視覺的同事問我情況，于是，我就把情況跟他說了。

我的意思就是現在出現的問題并不是解決不掉，而是我暫時沒時間，我還特意告訴他現在這種情況應該怎么去解決。

最后，公司了解了情況，但是問題擺在那里有個不能不解決，所以就問我，如果讓另外一個同事幫我寫，我愿意不愿意。

我當然愿意，表示其實代碼寫起來很簡單，主要費時間的就是測試這塊。

一般來說，我在視覺代碼寫完以后，會批量測試幾萬張之前采集的各種狀態下的產品圖片，如果所有圖片都批量跑完了算法沒有問題以后，我才會去給客戶更新最新算法。

這個過程可能需要耗費一兩天時間，因為可能新算法有兼顧不到的地方，批量測試的時候可能跑一半發現問題又得改代碼，改完以后還得從頭開始......

因為我是用傳統算法寫的，我的這位同事比較排斥傳統算法，因為他從學習到工作，使用的都是深度學習框架，傳統算法雖然會一些，但是不太精。

于是，他就跟我說，我這種方法太原始了，沒辦法兼顧到所有情況，后面萬一又出現物料不一致的情況，還得改代碼！

總之，他的意思是還是用深度學習比較好，這樣能兼顧到所有情況。

我跟他說，我知道深度學習好，但是你要當一幫上了年紀的大哥大姐去幫你框選ROI，你覺得實際嗎？況且，還不僅僅是ROI的問題，訓練成本也是一個問題。

客戶那邊的物料有上千個，但區別其實很小，而且，客戶那邊的生產車間是保密車間，圖片很難帶出來，我自己手上的幾萬張照片還是項目實施的時候帶出來的，深度學習要訓練，必然需要現場圖片，難道還要每次出問題的時候讓客戶把圖片導出來發給我們嗎？我這里幾萬張圖片就將近10個G了，一個深度學習的訓練集至少也得50萬張吧，這得多少數據？

不光如此，我負責的這個視覺項目其實已經穩定跑了半年多了，只不過最近出了幾次特殊情況，沒有考慮到而已，如果把現有邏輯從傳統算法改為深度學習，那就意味著我們得重新修改代碼，那么代碼的穩定性、檢測的穩定性將都需要重新花時間來驗證，即使客戶愿意，公司也不愿意吧？

最后，我和他因為這件事情就爭執了起來，最后他跟我說：“不上深度學習，我是不知道怎么做了！”

我不知道他說的是不是氣話，但是我是怕了，萬一真的讓他去改代碼，那這個項目最起碼還得半年才能驗收！

最后，我跟公司說我抽個時間優化下算法，然后給客戶一個交代！我堅持我的想法，這個項目不適合用深度學習來做！

結語

有時候，視覺項目的確是用深度學習能解決很多問題，但是，如果用純技術思維去做項目，雖然項目做成的可能性大，但是客戶體驗是極差的。

我就碰到過很多這種情況，我估計很多人也碰到過一種情況，那就是明明項目已經通過驗收了，但是客戶就是不怎么去用，原因就在于此！

我們把很多本該可以通過代碼去解決的問題交給使用者去解決了，這本就背離了功能性軟件的初衷，功能性軟件，本身存在的意義不光是專業性，還得盡可能減少讓客戶自己去操作復雜場景的次數，傻瓜式更好，否則，給客戶帶來的那就是冰冷的體驗！