计算机视觉技术近些年发展迅速，特别是引入深度学习后，成熟的技术方向和可落地场景越来越多。对工程师来说，一个算法项目从建立到实用一般需要经历论文方法调研、数据采集、模型训练、算法优化和实用部署这些流程，而每年数千篇高水平论文的出现为工程师指出了比较明确的技术思路，但论文算法离实用还有比较大的距离，主要体现在效果无法覆盖广泛的场景，且效率很难满足落地要求等。本演讲从小米公司实际案例出发，如新上线的魔法换天功能等，介绍了如何将核心算法落地实际场景，如何在精度和效率上进行调试优化，确保最终的用户体验。算法实用化过程中总会遇到很多困难点，遇到很多不好解决的 badcase，效率上的优化也没有止境，这些都欢迎参会工程师一起探讨。
演讲提纲：
- 背景介绍
- 视觉算法落地流程
- 落地案例分享
3.1 魔法换天
3.2 人脸检测
3.3 智能挑片 - 难点和展望
听众收益：
- 成熟团队的算法研发流程
- 从论文算法到落地一般会遇到哪些难点，如何解决
- 深度学习算法和网络的一些优化经验
听懂我的演讲，需要具备这些知识储备：
图像处理、卷积神经网络（cnn）、图像分割和物体检测
评论