华为首次自曝“天才少年”成果：入职不到一年就干了件大事梦晨丰色萧箫发自凹非寺量子

梦晨丰色萧箫发自凹非寺
量子位报道|公众号QbitAI
要说起华为“天才少年” ，那话题度可以说是直接拉满。
但在百万级年薪背后， “天才少年”们日常从事怎样的工作，却始终保持神秘。
现在，下文终于来了——
华为首次主动公开“天才少年”最新动向：
2019年入职、拿到200万offer的钟钊，仅用不到1年的时间，就带领团队将AutoML算法研究应用到了千万台华为Mate系列和P系列手机上。
华为官方提到，这意味着，钟钊团队成功开启了AutoML大规模商用的先河。
消息一出，又是一波话题爆炸。
华为这200万年薪，花得值了。

文章图片
入职不到一年，算法用于千万台华为手机
具体怎么个值法，还是从钟钊本人的研究工作说起。
事实上，钟钊解决的正是图像像素处理算法中的一大痛点——算法精度与模型大小的平衡。
如果解决它，就能将像素处理算法部署到手机上，加速空间增强、超分辨率等图像处理的速度。
然而，与目标检测、图像分类等常见CV算法不同，这类模型的制作，需要对像素的相关属性有深入理解。

文章图片
此前在AutoML方向上，对于图像分类、目标识别等CV算法的应用已经有非常多了。然而，具体到像素的算法上，还没有团队成功将AutoML进行大规模应用。
像素包括非常多的属性，例如颜色、亮度等。算法对像素进行处理，可以说是需要对图像最基本的元素进行处理。

文章图片
因此，这类算法对精度要求非常高，此前华为不少专家都没能成功攻克它。
钟钊带领团队，成功将AutoML技术应用到了图像像素处理算法上。
AutoML（AutomatedMachineLearning），简单来说就是“用AI设计AI” ，从2014年开始成为热门研究， 2018年，该技术逐渐进入试商用加速阶段。
事实上，在钟钊来到华为之前，华为诺亚方舟实验室已经在进行AutoML方向的相关研究。
实验室自研了一个全流程AutoML算法集合VEGA ，其中“基于硬件约束的高效分类网络搜索方案（CARS）”、“轻量级超分网络结构搜索（ESR-EA）”等算法，都属于NAS的范畴。

文章图片
而AutoML ，正好是钟钊在博士期间研究的方向。
2019年，钟钊和当时也在搞AutoML的华为“一拍即合” ，凭借着在商汤实习时的积累，作为201万年薪的“天才少年”加入华为，担任AutoML研究组的leader ，入职一年之内，就攻破了这个像素处理算法的难关。
随后，钟钊又在入职两年内，带领团队自研出了端到端的像素级AutoML流水线。
据华为介绍，这项技术能“在学界和业界都只能做到2-3倍的情况下，将视频摄影原型算法的复杂度降低百倍” ，目前已用于部分新机型上，未来还会用于更多产品。
不止这项研究，钟钊在移动端视觉模型上，也有不少建树。
一直以来，设计用于移动端视觉模型主要有两种方法：
一种是手工设计轻量级的网络结构，如ShuffleNet、MobileNetV3等已取得一定的进展。
不过钟钊团队研究发现这些模型的卷积核之间仍然存在冗余，限制了模型的速度。
另一种是方法进行模型压缩，通过剪枝、蒸馏等手段获得一个与大模型结构相似的小模型。
但这种方法又会使精度下降，难以满足高端手机的要求。