如何在清华的“洗衣机系”GitHub拿下50000星？

Chen编者按]陈凯似乎在学术和职业上都一帆风顺。
清华大学和香港中文大学博士毕业后，加入商汤科技。两年之内，他成为了研究主管，带领着一个近百人的团队。
在GitHub上，他的OpenMMLab成绩斐然。从研究员到管理者，他的技术人生是如何铺垫的？
作者|杨洋
| 《新程序员》编辑部
陈凯无疑是父母口中的“别人家的孩子”。他才华横溢，勤奋好学，以至于无论是在清华大学读本科，还是在港大(以下简称“CUHK”)多媒体实验室读博士(直博)，都没有遇到太多的困难。可以说他的学业很顺利。
陈尚堂科技研究部主任
博士毕业后自然加入了商汤科技，最初的岗位是技术管理。真正让他独立的，是让开源项目OpenMMLab在业界家喻户晓。在他的带领下，OpenMMLab在GitHub中成功获得“50000”之星，他和他的团队的影响力在开发者中逐渐打开。
十年从学习者到研究员再到管理者，他可以说是一路小跑到了30岁。青年才俊的背后，是以学术成就闻名的他。也是在工作中努力进取，成绩显著；更重要的是，他坚持自己的技术兴趣和信念，以梦想为马。
本文摘自《新程序员》 004，纸质书电子期刊已正式上市销售。
其他人的孩子
清华大学的自动化专业世界闻名。自成立以来，已培养了一万多名优秀学生。其中不乏佼佼者，遍布系统工程、自动控制、人工智能等领域。深度学习框架Caffe的作者、阿里巴巴集团副总裁贾就是其中之一。他在清华大学自动化专业读了本科和研究生。
2012年，在陈凯与计算机视觉结缘前两年，他被清华大学录取。作为自动化专业的学生，他的日常生活主要伴随着洗衣机，这是该系长期以来的嘲讽：“我们的专业课是自动控制。老师经常以抽水马桶和洗衣机为例，有时还会动手操作。可能是洗衣机用多了，所以大家都叫他们洗衣机部。我们修理洗衣机。”
当然，调侃归调侃，能考上清华的都是“别人家的孩子”，不仅学习能力强，还知道自己想要什么。高中的时候，陈凯就很清楚自己以后想做什么：“我喜欢理科，接触过一些工科概念，觉得学工科很好，可以亲手做，看得见，摸得着。自动化符合我的期待，硬件可以通过软件实现。而且听起来很酷。”
与计算机的软件属性不同，自动化是软硬兼施的。大学期间，陈凯主要学习四种课程：基础学科；计算机，包括网络、编程和算法；电路，包括模拟电和数字电；自动控制原理，这是自动化科学的特色，用他的话说就是“看家本领”。
相比硬件，陈凯更喜欢软件，尤其是控制实现。比如如何把一个倒立摆从一边摇到另一边，但不会掉下来，或者通过编程识别一个手绘简笔画，让它跳舞…
进入大三后，在课程和实践的基础上，陈凯也需要思考自己的出路。毕业后，清学霸打算出国或留校深造，但陈凯选择了CUHK。他的机会来自于商汤科技的创始人唐晓鸥。因为唐教授在清华的一次讲座，陈凯认识了这位人工智能领域的顶尖科学家：“当时觉得的多媒体实验室特别厉害”。
作为一个行动派，“有想法就去做”是他的哲学。暑假的时候，他联系了商汤的团队，想练练。此时的商汤刚刚从实验室起步，人脸算法的识别准确率高达98.52%，超过了行业应用标准，这意味着
学霸中的学霸
计算机视觉并不是一项新技术，但其早期落地相当缓慢。20世纪60年代，统计模式识别首先应用于二维图形的分析和识别，后来实现了三维结构的识别。到20世纪70年代中期，麻省理工学院已经开设了机器视觉课程。后来，这项技术开始从实验室走向工业。最初的结果还不错。到1988年，包括视觉系统在内的人工智能产业收入已经达到数十亿美元。
然而到了90年代，机器视觉的普及并没有像预期的那样爆发，反而是互联网占了先机。当然，互联网的快速发展和产业化也促进了视觉技术的深入研究和落地。
在此期间，正在麻省理工学院攻读博士的唐晓鸥加入了海底机器人实验室，开始了人工智能的启蒙之旅。《泰坦尼克号》是电影史上的经典代表作。为了还原最真实的场景，实验室在寻找沉船的过程中发挥了非常重要的作用。因为他亲眼目睹了机器人完成发现沉船泰坦尼克号的任务，他认定人工智能，尤其是视觉技术，会给未来世界带来不可估量的变化。
博士毕业后，唐晓鸥回国，任教于香港中文大学信息工程系，并于2001年创办了香港中文大学多媒体实验室。他领导的研究人员成为首个利用深度学习研究视觉的中国团队。
陈凯在听了一场讲座后，有幸认识了唐晓鸥。在实验室实习期间，他觉得做视觉特别有意思，也确实很擅长。毕业前夕，他申请在实验室读博，做目标探测方面的研究。在博士后期间，他师从同样毕业于麻省理工学院的林大华，与教授一起撰写的许多论文被列入三次计算机视觉峰会：CVPR、ECCV和ICCV。
2015年底，商汤获得当年ImageNet大赛一等奖。次年，实验室入选“全球人工智能十大先锋实验室”，包括麻省理工和斯坦福。
就这样，陈凯博士在职业生涯的前两年与团队一起成长。到了大三，他开始参与更多的学术实践。在一次目标检测领域的知名学术竞赛中，他和他的团队通过创新算法获得了第一名。“比赛结束后，我们保留了这套目标检测算法框架。经过不断的复制和优化，启动了MMCV(计算机视觉基础库)和MMDetection(物体检测算法库)。”
2018年年中，林大华教授领导了OpenMMLab项目。陈凯作为负责人之一，实际负责项目的后续运作。2018年10月MMCV和MMDetection发布后，他和他的团队正式开源了这个项目。
“前两个库建成后，我们开始开源。当时市场上还没有系统的基于PyTorch的目标检测算法库，刚出来开源的时候在社区里很流行。林大华老师也很支持这件事。他在这个项目里把更多的学生纳入研究方向，包括做动作识别算法库和超分辨率算法库的，从而慢慢把OpenMMLab打造成一个多算法库品牌，这是它的初衷。”
2019年，陈凯毕业后正式加入商汤。他的第一份工作是管理岗，带领团队为公司业务提供算法支持，同时负责OpenMMLab的运营。
在陈凯看来，清华大学把他培养成了一个勤奋的学习者，而HKCU则进一步把他改造成了一个独立的研究者。“本科期间，我打下了很好的基础，包括知识和学业。经过严格的训练，我才得以顺利进入唐先生的实验室。香港大学进一步把我从一个学习者塑造成了一个研究者，让我逐渐具备了独立探索课题的能力，包括如何设计课题，以及如何进行研究方法和完成路径规划。”
除此之外，在最近两年的读博期间，陈凯的团队合作能力和管理意识也有了很大的提升。这段时间，他不再像以前那样一个人搞科研，而是带着一些大三的学生搞科研，有时还组织队伍打比赛。这些经历为他加入商汤的团队打下了良好的基础。
从学习者到研究者再到管理者，他的成就感来自于在峰会上发表论文，来自于选择了正确的方向并被验证，来自于团队每一个成员的成长。
两年晋升总监，带领近百人团队。
《新程序员》:你加入商汤的时候，你的职位是什么，职责是什么？有哪些突出贡献被提拔为主任？
陈凯：2019年毕业后，我去了商汤。当时我在一个偏业务的算法中台团队工作，主要是给主业提供算法支持，也做一些预研工作。当初我的职位是副主任。
在和团队的磨合过程中，我发现了当时的一些问题，比如大家使用的研发工具不统一，研发过程效率低下。针对这两个问题，我主要做了两方面的工作。第一个是不断提高算法的性能，第二个是规范开发工具和流程。
后来我们发现标准化的算法库可以给业务带来巨大的价值，于是我们花了很长时间去搭建一个开源的算法系统。后来这个工作得到了包括我直属上级在内的很多领导的支持，让我也获得了一些资源，我可以做的更大。经过一年多的沉淀，OpenMMLab在视觉领域的影响力越来越大。此外，我在业务上也取得了不错的成绩。基于两方面的工作，我在2021年被提升为总监。
你如何规划你团队的技术研发？每日进行d和登陆转换？可以从团队架构和运营管理的角度来讨论。
陈凯：目前我负责的团队接近百人。我一个人无法涵盖团队每个成员的工作。我们根据不同的研发分成不同的小组。每个小组都有一个负责人。
我每天的工作主要分为两部分，一是求教，二是聚人。实际是负责一些核心的规划，比如年初做全年的安排，承担未来的计划。定下目标后，再和各个方向的领导讨论具体实施。核心算法架构和产品设计我会参与，其他细节主要交给领导，让他们有更好的自由度和成长空间。
在聚人方面，招聘是重要的一环。如何吸引人才，如何培养团队内部的人，都是我工作的重要部分。现在我们已经积累了至少10万字的新人培训文档。
为了建立一个好的社区，我们还需要时刻思考如何通过社区或者其他渠道吸引更多的开发者，接触到优秀的候选人，包括品牌和运营的不定期输出。开源团队里也有很多经验和成果，我会定期请大家和外界分享，通过分享、反馈、重构，打造一个好的技术品牌。
《新程序员》:从学术到研发，再到管理，能分享一件你觉得最有成就感的事吗？
陈凯：在学术领域最有成就感的事情是，第一篇论文赢得了CVPR的关注，我与全世界成千上万的研究人员分享了我的一些研究成果。第一次在这么多人面前“露脸”，我很紧张，也很兴奋。即使后来他在一些比赛中获得了冠军，他也没有那么兴奋。
研发中的成就感；d来自于选对了方向，被验证。比如我们想进一步推进OpenMMLab项目的时候，其实有不同的选择，就是把不同的方向做成一个统一的算法库，或者分成不同的算法库，更强调模块化。最终我们选择了后者，找到了正确的方向，使得我们的先进技术在行业内名列前茅。
除了团队规模的不断扩大，管理层的成就感主要来自于团队成员的成长。我期望的团队是，我们定好目标后，每个学生都能发挥自己的创造力，我主要是起到训练的作用。当然，这是一个长期的沉淀过程。
“50000”星路
《新程序员》: OpenMM实验室项目在GitHub上获得“50000”星。这一成就归功于什么？
陈凯：我觉得主要有两个方面：一方面是时机，我们更早看到了这个领域的潜力；另一方面，是我们的硬实力。OpenMMLab算法库的工程架构是当时开源社区的标杆。我们发布后，会有很多人使用，也会有很多开发者借鉴。
2020年开发者更关注OpenMMLab。我们在世界人工智能大会上发布了重要升级，进一步构建了“人工智能算法开放体系”，这应该是项目立项后的第二个里程碑。
《新程序员》:它对开发者有哪些吸引力？
陈凯：不同阶段对开发者的吸引力是不一样的。一开始主要是单一的算法库。现在是基于系统化的架构，不同的算法库可以“组合打包”应用。例如，开发人员可能需要对象检测和语义分割算法，这些算法可以在OpenMMLab上打包和使用。如果不使用OpenMMLab，开发者可能会在开源项目中找到目标检测算法，但如果后面还想使用分割算法，就需要自己实现，或者另找框架，重新学习研究。
OpenMMLab提供了覆盖大部分视觉方向的算法，而且是基于同一架构开发的，所以使用起来非常方便。同时，模块化的工程设计使得开发者更容易使用，可以简单地添加或替换模块。因此，许多公司将采用OpenMMLab作为内部研发工具。
《新程序员》:2021年也发布了很多新的算法库，包括MMGeneration、MMOCR、MMTracking等。他们能给开发者带来什么帮助？
陈凯：MMGeneration是一代模型算法库。比如我们现在看到的一些热门话题，比如“伪脸”或者“变脸”，都是基于生成模型，可以达到以假乱真的效果。MMOCR主要用于文本检测和识别。现在很多手机和电脑软件都有这些功能，所以我们提供了这样一个开源的工具。
MMTracking主要实现目标跟踪，包括三类：第一类是单个目标，在视频中画一个方框，MMTracking可以一直跟踪；第二类是多目标，其中在一幅图像或一帧中可能有多个物体或人。MMTracking可以持续跟踪每个人的位置，并确保ID正确。两个人走在一起，不会把这个人当成另一个人跟着走；第三类是视频中的物体检测。
“大部分好摘的水果都摘了”
《新程序员》:你认为视觉技术在落地方面发展到了什么阶段？未来有哪些可能的方向？
陈凯：相比2012年和2013年的爆发，视觉的产业应用已经到了一个平台期，或者说是一个瓶颈。“好摘的果子”大部分都摘了。目前主要从事数据标注监督或者模型学习的一些模型。也有很多问题，但是应用还不错。
接下来，在新的学习方向或范式上可能会有更大的发展。比如现在大家比较关注的。这两年我们投入了大模特和超大模特的培训。通过大模型，我们可以得到一个非常好的基准，然后将其推广到具体的任务层面。这是下一个值得研究的方向。很多大公司都会宣传“要训练多少个参数模型”，前提是能耗负担得起资源。
此外，还有一个有价值的方向，就是“了解真实空间”。这么说可能很抽象，但其实就像3D，或者最近很火的元宇宙可以归入这一类。目前，图像和视频的识别和分类在业界已经比较成熟。未来会逐渐关注与真实空间相关的方面，比如如何做3D重建、生成、渲染等。
《新程序员》:你在日常开发中主要使用哪些语言？深度学习你在研究什么课题？
陈凯：技术语言主要有Python、C和CUDA编程。Python是深度学习的必备语言。c和CUDA可以在GPU上写一些高性能的运算符，进一步优化。
深度学习正在研究的课题包括目标检测、自监督学习、分割和3D。就整个团队涵盖的范围来说，我会拓展研究课题或方向。
《新程序员》:有什么学习和实用的建议想给从事AI视觉的开发者？
陈凯：除了推荐我们的OpenMMLab，我们还推荐浏览arXiv.org。上面有很多论文，都会发表或者不发表。另一个不错的网站是Papers With Code，收集了不同领域的算法，主要是计算机视觉和NLP。同时会发一些清单，上面会列出相应的代码，包括如何实现性能。这些对大家查找相关资料很有帮助。个人觉得是个不错的搜索网站。
可以欣赏电子书，也可以欣赏精美的纸质书。