能不能用Google的AI超分技术还原车牌甚至人脸？ (转载) - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>Joke - 肚皮舞运动

能不能用Google的AI超分技术还原车牌甚至人脸？ (转载)

能不能用Google的AI超分技术还原车牌甚至人脸？ (转载)# Joke - 肚皮舞运动

D*E2017-06-15 07:06

1 楼

现在在美国做医生，cardiology fellow 第一年，H1B因为住院医用了三年，现在第四年
NIW I40 在12月初递交，现在除了有个receipt notice以外，没有任何消息
EB1A I40 PP在圣诞节前递交，14天收到RFE
承认了authorship （文章15篇，一作 6-7篇，IF 都在5-15）和 review （审稿其实也
就20个不到，很久以前也不知道这个有用，而且读书工作换过institution， email早
就找不到了，最近几个月凑了10几个，可能审的journal还不错，IO认了这一项），
contribution 不承认
我上班实在太忙了，律师写的PL我基本没改就交上去，根本没有深挖citation什么的
，现在看来，都是泛泛而谈，深挖一下，其实citation也还行，好多review和book
chapter都引用过，好好弄一下不知道能不能过，求bless
看律师给的时间，包括repley啥的需要20天，加上跟他们来来回回沟通，改letter，找
人签字，至少要1个月。
我最近才上本版，看到原来485 还要等这么久，所以我想是不是这个时候把 485 也给
递上去算了。请大家指点一下。
我这种情况现在可以申请 145加combo卡吗？我们大概在第二年末就要开始找工作，因
为找到工作后医生的credentialing 也会花好几个月，所以最晚也要在第三年中签约。
sponsor H1B （如果那时候I140 批准，可以申请H1B延期，对吧？）的工作可以找，
但是地点，工作性质，薪水自己不满意。所以有工卡会方便一些。怕 Trump上台移民政
策有变化，所以想早点申请 I145，能请版上的牛人们指点一下利弊。
拜托大家了！

a*h2017-06-15 07:06

2 楼

跌破像了

H*g2017-06-15 07:06

3 楼

【以下文字转载自 Military 讨论区】
发信人: redpearl (redpearl), 信区: Military
标题: 能不能用Google的AI超分技术还原车牌甚至人脸？
发信站: BBS 未名空间站 (Thu Jun 15 02:04:53 2017, 美东)
https://m.leiphone.com/news/201702/SI2t9i6Irdo6NvY5.html

B*n2017-06-15 07:06

4 楼

今天刚刚交的140，直接pp。工作忙，二娃又刚出生，准备得很差，条件也一般，希望
顺利吧……祝愿楼主顺利通过，bless~
[在 DrLEE () 的大作中提到：]
:现在在美国做医生，cardiology fellow 第一年，H1B因为住院医用了三年，现在第四年
:NIW I40 在12月初递交，现在除了有个receipt notice以外，没有任何消息
:EB1A I40 PP在圣诞节前递交，14天收到RFE
:承认了authorship （文章15篇，一作 6-7篇，IF 都在5-15）和 review （审稿其实
也就20个不到，很久以前也不知道这个有用，而且读书工作换过institution， email
早就找不到了，最近几个月凑了10几个，可能审的journal还不错，IO认了这一项），
:contribution 不承认
:我上班实在太忙了，律师写的PL我基本没改就交上去，根本没有深挖citation什么的
:，现在看来，都是泛泛而谈，深挖一下，其实citation也还行，好多review和book
:chapter都引用过，好好弄一下不知道能不能过，求bless
:看律师给的时间，包括repley啥的需要20天，加上跟他们来来回回沟通，改letter，
找人签字，至少要1个月。
:我最近才上本版，看到原来485 还要等这么久，所以我想是不是这个时候把 485 也给
:..........

B*y2017-06-15 07:06

5 楼

看着怕帕呀，还好手里没有。

【在 a*****h 的大作中提到】

: 跌破像了

d*o2017-06-15 07:06

6 楼

感觉就是根据几个特征点插值随机生成一个
从信息角度想也不太可能还原
跟摘了眼镜看马赛克脑补一张脸效果一样

【在 H********g 的大作中提到】

: 【以下文字转载自 Military 讨论区】
: 发信人: redpearl (redpearl), 信区: Military
: 标题: 能不能用Google的AI超分技术还原车牌甚至人脸？
: 发信站: BBS 未名空间站 (Thu Jun 15 02:04:53 2017, 美东)
: https://m.leiphone.com/news/201702/SI2t9i6Irdo6NvY5.html

r*t2017-06-15 07:06

7 楼

Bless!!!

h*82017-06-15 07:06

8 楼

lol

【在 a*****h 的大作中提到】

: 跌破像了

f*y2017-06-15 07:06

9 楼

的确。AI就是骗骗不懂行的人。
Computer vision(CV)的创始人之一，Azriel Rosenfeld在2000年左右在其领域内发起
过一个公开讨论，就是CV领域的最本质的两个问题，segmentation和pattern
recognition在过去的三十多年里有哪些根本性的进展。讨论的最后结论很悲观，三十
多年过去了，这两个基本问题，没有任何实质性的进展。
我还是那句话，用最牛的机器，最先进的AI算法，试着把一个超市里摆的商品每件都分
割识别出来，看它能对百分之几十。

【在 d****o 的大作中提到】

: 感觉就是根据几个特征点插值随机生成一个
: 从信息角度想也不太可能还原
: 跟摘了眼镜看马赛克脑补一张脸效果一样

D*E2017-06-15 07:06

10 楼

谢谢啦！！
也祝你顺利通过！

四年
email
，

【在 B*******n 的大作中提到】

: 今天刚刚交的140，直接pp。工作忙，二娃又刚出生，准备得很差，条件也一般，希望
: 顺利吧……祝愿楼主顺利通过，bless~
: [在 DrLEE () 的大作中提到：]
: :现在在美国做医生，cardiology fellow 第一年，H1B因为住院医用了三年，现在第四年
: :NIW I40 在12月初递交，现在除了有个receipt notice以外，没有任何消息
: :EB1A I40 PP在圣诞节前递交，14天收到RFE
: :承认了authorship （文章15篇，一作 6-7篇，IF 都在5-15）和 review （审稿其实
: 也就20个不到，很久以前也不知道这个有用，而且读书工作换过institution， email
: 早就找不到了，最近几个月凑了10几个，可能审的journal还不错，IO认了这一项），
: :contribution 不承认

j*92017-06-15 07:06

11 楼

everything is not safe, cash is king.

m*i2017-06-15 07:06

12 楼

可以请最强大脑里那个水哥，他好像帮警方做过类似的案件

e*e2017-06-15 07:06

13 楼

lz加油！做医生真不容易！

x*n2017-06-15 07:06

14 楼

amazon-GO

【在 f*******y 的大作中提到】

: 的确。AI就是骗骗不懂行的人。
: Computer vision(CV)的创始人之一，Azriel Rosenfeld在2000年左右在其领域内发起
: 过一个公开讨论，就是CV领域的最本质的两个问题，segmentation和pattern
: recognition在过去的三十多年里有哪些根本性的进展。讨论的最后结论很悲观，三十
: 多年过去了，这两个基本问题，没有任何实质性的进展。
: 我还是那句话，用最牛的机器，最先进的AI算法，试着把一个超市里摆的商品每件都分
: 割识别出来，看它能对百分之几十。

o*r2017-06-15 07:06

15 楼

大大的bless!

四年

【在 D***E 的大作中提到】

: 现在在美国做医生，cardiology fellow 第一年，H1B因为住院医用了三年，现在第四年
: NIW I40 在12月初递交，现在除了有个receipt notice以外，没有任何消息
: EB1A I40 PP在圣诞节前递交，14天收到RFE
: 承认了authorship （文章15篇，一作 6-7篇，IF 都在5-15）和 review （审稿其实也
: 就20个不到，很久以前也不知道这个有用，而且读书工作换过institution， email早
: 就找不到了，最近几个月凑了10几个，可能审的journal还不错，IO认了这一项），
: contribution 不承认
: 我上班实在太忙了，律师写的PL我基本没改就交上去，根本没有深挖citation什么的
: ，现在看来，都是泛泛而谈，深挖一下，其实citation也还行，好多review和book
: chapter都引用过，好好弄一下不知道能不能过，求bless

f*y2017-06-15 07:06

16 楼

谢谢info，有点儿意思，但跟我说的有较大区别。
这个外加了很多额外的信息，不仅仅是segment和pattern recognition。比方说用个录
像机对着一个货架，根据哪排大致出了个缺口来判断你拿了个东西。一不用精确
segment，而更不用识别。
先demo下面这几个不复杂的情形再说别的：
1. 两个人同时拿一个货架上挨着的两个东西，或者两个人同时伸手，但一个人拿了两
个，另一个改变主意没拿
2. 从相邻货架上取两个类似的东西，然后把其中一个放回到另一个东西本身的地方，
只拿走一个
3. 把两个一样的东西放回去，但随意不整齐摆放，甚至叠到一起

【在 x**********n 的大作中提到】

: amazon-GO

a*62017-06-15 07:06

17 楼

bless

z*82017-06-15 07:06

18 楼

2000年左右...现在是2017年对吧
看来你属于不懂行的人

【在 f*******y 的大作中提到】

B*12017-06-15 07:06

19 楼

Bless

H*g2017-06-15 07:06

20 楼

是啊，这三种情况人都经常看不清。还有一群人抢购的时候，没有额外的传感器的话怎
么可能分开。
再有就是他说先拿东西，过两天自动收钱，那真的动了歪心思偷东西的怎么抓，收错钱
怎么对证。结果肯定就是要在成本上加个百分数。

【在 f*******y 的大作中提到】

: 谢谢info，有点儿意思，但跟我说的有较大区别。
: 这个外加了很多额外的信息，不仅仅是segment和pattern recognition。比方说用个录
: 像机对着一个货架，根据哪排大致出了个缺口来判断你拿了个东西。一不用精确
: segment，而更不用识别。
: 先demo下面这几个不复杂的情形再说别的：
: 1. 两个人同时拿一个货架上挨着的两个东西，或者两个人同时伸手，但一个人拿了两
: 个，另一个改变主意没拿
: 2. 从相邻货架上取两个类似的东西，然后把其中一个放回到另一个东西本身的地方，
: 只拿走一个
: 3. 把两个一样的东西放回去，但随意不整齐摆放，甚至叠到一起

d*u2017-06-15 07:06

21 楼

我还以为只有公民才能作医生呢

f*y2017-06-15 07:06

22 楼

你懂行的来说说都有哪些实质性的进展？
不要像某些只会耍嘴皮的，一丁点儿第一手的资料都没有，大嘴一张就claim。

【在 z*********8 的大作中提到】

: 2000年左右...现在是2017年对吧
: 看来你属于不懂行的人

m*g2017-06-15 07:06

23 楼

Bless

n*r2017-06-15 07:06

24 楼

图形学是好久没大突破了，所以2010年ImageNet比赛发现用deep network硬算的结果秒
了传统图形学model之后，搞图形学的都跳船去deep network了
现在的识别水平，大概是简单的task可以代替人，比如邮件和支票识别，中等难度的接
近人，比如google photo里面识别物件
进步当然是明显的，不能说没到所有task秒人类的地步就是没有进展

【在 f*******y 的大作中提到】

s*n2017-06-15 07:06

25 楼

Big bless !
[在 DrLEE () 的大作中提到：]
：现在在美国做医生，cardiology fellow 第一年，H1B因为住院医用了三年，现在第
四年
：NIW I40 在12月初递交，现在除了有个receipt notice以外，没有任何消息
：...........

f*y2017-06-15 07:06

26 楼

额外的信息的确能提高很多百分比。你说的情况，成本加个百分数也是一定的。

【在 H********g 的大作中提到】

: 是啊，这三种情况人都经常看不清。还有一群人抢购的时候，没有额外的传感器的话怎
: 么可能分开。
: 再有就是他说先拿东西，过两天自动收钱，那真的动了歪心思偷东西的怎么抓，收错钱
: 怎么对证。结果肯定就是要在成本上加个百分数。

x*u2017-06-15 07:06

27 楼

Bless!

f*y2017-06-15 07:06

28 楼

你说的有干货，赞。不像楼上那位。
靠deep learning不少问题解决不了。machine learning需要海量的数据供training，
其次是概率得解决问题，不是deterministicly地解决。

【在 n******r 的大作中提到】

: 图形学是好久没大突破了，所以2010年ImageNet比赛发现用deep network硬算的结果秒
: 了传统图形学model之后，搞图形学的都跳船去deep network了
: 现在的识别水平，大概是简单的task可以代替人，比如邮件和支票识别，中等难度的接
: 近人，比如google photo里面识别物件
: 进步当然是明显的，不能说没到所有task秒人类的地步就是没有进展

S*y2017-06-15 07:06

29 楼

Bless. 好好找个律师

d*o2017-06-15 07:06

30 楼

这个不是问题吧
人脑也这么工作的
而且你就算用传统的graphical model也都是local min
还是概率

【在 f*******y 的大作中提到】

: 你说的有干货，赞。不像楼上那位。
: 靠deep learning不少问题解决不了。machine learning需要海量的数据供training，
: 其次是概率得解决问题，不是deterministicly地解决。