拖更的二周年

2020年不太普通，有疫情，有我喜欢的科比的意外逝世。就个人来说，也经历了第一次在比赛里拿到一点成绩，也第一次硬着头皮研究模型在实际应用中怎么变好。胖过，又瘦了。比较浑浑噩噩的过，所以也没怎么管博客，不知不觉，就拖到了现在。

二周年过去好几个月，今天突然想起来写了，原因也是有点搞笑。很长一段时间非常焦虑，因为各方面都相当于在原地踏步，只是我一直在做鸵鸟。天天熬夜，其实就是觉得明天会更差。今天甚至焦虑到开始搜索怎么克服懒惰😂。我觉得有一篇回答说得挺好的，就是人其实都是奋进期和怠惰期交替进行的，天生的。优秀的人只是对怠惰期控制得很短，可能是一晚上就能又斗志昂扬？觉得自己懒惰其实没什么，你尽可能地让自己的怠惰期短一点就好了。越早醒悟到怠惰了一段时间，就越好。

回头望望自己这段不长不短的人生，好像确实是这样子。读书期间就是，努力一段时间，考得比较好了，就累了开始放纵。直到成绩下滑到不能接受，就再次奋进。

这极大地缓解了我的焦虑，因为我之前觉得只有我是这样只能一阵子勤奋的人，原来大家都是在反复的坚持失败的痛苦中，还能继续选择下一次的坚持，真棒。

说远了，回过头去看了看一年多前写的一周年，还是觉得这一年虽然收获没有期望的大，但也不小。从只参加了一次比赛，到这一年参加了大大小小5个比赛，也获得了一些成绩。算法的研究也从读论文，学术数据集跑跑别人的训练代码和算法，到自己去想尽办法（数据集，调参，新的思路，等等）来让模型落地。前半部分因为比赛的关系，重识别做得多一点。后面公司需求，做肢体冲突的检测和静默活体检测，近期则是解决行人检测模型应用时的误报问题（虚检）。

边写边回顾这一年，最大的收获应该还是思想上的。

首先是关于论文，因为毕竟是转行，而且研究生生涯偏工程性质，曾经迷信于学术论文，觉得工作中的问题都能从论文里找到答案。但活体这么几个月的折腾下来，真的觉得不一定。学术论文大部分都是基于一个比较小的范围（某个数据集、某种场景），研究有什么新方法、新思路能得到一点提升。这个提升在大部分论文里本身也不大，更别提有时候作者本身为了论文能中，选取对比的对象也有待商榷。做研究的人这样做无可厚非，但是做算法落地的人一定要开拓思路，不能局限在学术界的研究范围里。活体方向我阅读了近一两年的40多篇论文，大部分都是使用纯脸部图片进行研究。其中一大半从论文看到的数据就可以判断对落地没有帮助，剩余的大概对其中5、6篇的方法，用于了自己的数据集进行尝试。没有一个能稳定提升最终效果的，有的能稍微提升，有的能稳定训练加速收敛。更多时候还是基于自己的想法去实验，去调参，但也不自觉的就一直坚持只用纯脸部。最后跳出了纯脸部这个囹圄，才得到了一点突破。

但不是说论文不重要，不管是入门一个方向，还是持续跟踪方向上的最新进展，甚至是让自己保持阅读保持思考，都很重要。

其次是关于数据。之前面对模型落地中碰到的种种问题，经常冒出来的念头就是加数据训练。而现在我感觉，首先不是所有问题都能通过加数据解决，或者说通过加数据来达到期望效果的成本过高。其次，数据的采集、标注、迭代管理都很重要。

总之，未来要多看，多想，多总结，一年一次还是长了点，每个月想想写写，还是很有必要的。生活上呢，热爱生活，别懒，少看直播、抖音，战棋不要天天下。中午别人午休的时候多看看论文，写写博客，写点随笔，少玩论坛。认定了一个方向就要朝前走。