沈琳琳：扎根现实需求，缩短科研和产业的距离

CV大咖的成长史

世纪之交，思潮窜动，百业待兴。

学史钩沉，学术的河床上留下了神经网络、深度学习和今天的通用大语言模型等研究思潮或深或浅的痕迹，不知不觉中刻画起我们的时代。每一个学者的研究方向也随着宏大叙事浪潮或现实条件在不断迭代，为时代留下个人的注脚。

沈琳琳一直在思考一串问题：我研究的东西对社会是否有用？是否忠于自己的兴趣？秉承着对科研的诚挚热爱和对社会有所献益的内心追求，沈琳琳在几个人生岔路口作出了重要选择。

2000 年，沈琳琳从上海交通大学应用电子专业硕士毕业，他放弃了当时一份令人羡慕的工作，选择踏上异国他乡砥志研思——攻读英国诺丁汉大学计算机专业博士。

英国诺丁汉大学校园

诺丁汉大学风景如画，教学与研究水平享有国际声誉。泮林革音，万象宜人，沈琳琳很快适应了高强度的研学节奏，兴趣使然，加上深度参与博士导师的课题，沈琳琳自此和人脸识别结下了不解之缘。

图像是直观而亲切的，离生活很近，容易被理解，对图像进行处理，使它发挥更多价值是一件有趣且有意义的事情。他的研究方向聚焦在深度学习理论及其在人脸识别／分析以及医学图像分析上的应用上，专注且浸润极深。

读博后半段，他将自己的研究方向向医学图像上拓展。当时，导师拿下一个欧盟的医学图像的科研项目，他便大量接触此方面的书籍，让自己在该领域研究打好基础。2005 年博士毕业到 2006 年，沈琳琳特意去附属医院与影像科医生共处了一年，以便更好地理解 AI 和医学跨学科之间的难点。

研学数十载，沈琳琳一直保持着韧性和自己冷静的判断。人工智能某项新技术刚提出并火爆的头几年，很多人不可避免地追新逐热，但他观察，有些相关技术在实际应用中性能并不如在实验室的结果那般好，他劝自己不要着急。

深度学习刚出现的时候，很多人认为它只是昙花一现，他还是立足实际看问题：“我观察该方向上的数据集和应用性能表现都较为出色，另外了解到产业界不少大公司也在关注这个方向，我感觉这个东西很不一样，应该是有未来的，所以在 2015 年左右跟随了这个研究方向。”

深耕于计算机视觉和深度学习多年，沈琳琳取得了不凡的成绩，他开发的人脸识别系统曾在国际人脸识别算法测试比赛中获得亚军，研发的细胞分类算法连续获得国际细胞图像分类算法大赛冠军。科研成果先后获得吴文俊人工智能奖、中国电子学会、广东省和深圳市科学技术奖励。2015－2023连续9年被爱思唯尔出版社评为计算机学科“中国高被引学者”。

AI＋，扎根现实需求

2006年10月，沈琳琳心系桑梓地，没走海外职场精英路线，回国在深圳大学做起了一名教师。他想把了解到的最新先进技术和自己对学术研究的一些心得分享给国内一群群热情昂扬的年轻人。

研究“视觉识别”二十多年来，沈琳琳曾指导团队完成多篇 paper 或项目，也获得了不少奖项，这的确是他熟悉且擅长的赛道。但是，教育不仅仅包含纯粹的科研，还需要对接产业升级和技术变革趋势，培养支撑产业需求的人才。

AI 智慧养殖系统

AI 智慧养殖系统开发是一项缩短课堂和产业的距离的重要尝试。

简单来说，就是用 AI 辅助农户养鹅养鸡。2020 级深大腾班学生开展过一次别开生面的“鹅脸识别”项目——将课堂上学到的“人脸识别”，这些原本落地金融、安防行业的 AI 知识，复制到鹅身上，帮助鹅农识别病鹅，轻松养鹅，提产增效。

初期，沈琳琳和团队一度觉得没法下手，不同于实验室，鹅的饲养和成长环境复杂不可控，连经验丰富的老农都不能保证识别病鹅，不免对算法的能力存疑。还有，要让 AI 消除对鹅的“脸盲”，必须要采集足够多的样本数据，但动物不会配合镜头，这是一项全新的、工程量巨大的工作。

学生给鹅群打标注

要养鹅，先懂鹅。沈琳琳决定，抛开所有酷炫的技术，同学生们前往鹅场，从观察、手动记录和归纳鹅的基础习性入手……整个暑期，沈琳琳密切关注学生们的每一项进度，经历长达半个月、30 万次的点击标注后，行业首个“鹅脸数据库”诞生。最终，团队制作了一款识别病鹅的小程序，具备“查看鹅群、疾病预警、数据分析、检测养殖环境”等功能。

迈出了AI 养鹅的一大步，有了数据库沉淀，往下便可以做很多事，AI 智慧养殖大系统可以效法推进。比如，将数据开源给学术界，更多人一起研究科学养鹅。借力AI ，鸡鸭鱼鸟等智慧养殖上另有广阔天地。

AI 智慧医疗

在医疗领域，我们仍然面临着严重的医疗资源问题，AI 医学影像作为一种优质的医疗资源，存在巨大的供需缺口。沈琳琳在在医学影像诊断方向上师从大佬，敬业勤恳地精研多年，做了不少对临床诊断及治疗有重要的意义的工作。

沈琳琳和团队通过普通数据增强、图像分块、半监督标注网络以及自监督任务等对大脑 MRI、细胞病理图像和口腔数字扫描数据进行分割和分类任务的工作。

其中，“细胞病理图像智能辅助检测与诊断系统”便是沈琳琳一项落地数年的工作。该辅助检验的智能系统滤去大量重复枯燥工作，让医务人员更专注于病变疑似区域。无论是在诊断的效率、质量以及成本都能获得明显的收益。

该智能检验诊断系统对细胞形态进行分析中

不可否认，人工智能影像技术在实践中发挥了重要作用，其应用空间和发展前景非常广阔。但是，AI 在医疗领域落地困难重重：首先，要突破跨学科融合的难点，需要双方人员长期的配合和信任、熟悉双方行业的沟通语言，达成一定共识；其次，医疗在信息安全性、算法透明度、数据壁垒和数据标注等方面存在“黑洞”，面临着“成本高”“填坑大”的状况；再者，医疗领域与生命安全息息相关，每一个环节的推进都要慎之又慎。

另外，新技术催生新难题。医生的诊断其实不仅仅只看医疗影像资料，还需要其他数据，比如验血数据、临床数据，以及医生的经验，各种数据综合起来形成一份智能治疗方案。而把多种数据融合起来，其实就是多模态数据，可以把当下火热的大模型融入进来。

要保证 AI 智慧医疗技术处在创新前沿，帮助解决医疗领域的现实问题，沈琳琳和团队仍在与时俱进，持持续学习中。

AI 智慧协警办案

AI 技术在产业变革中应用广泛，沈琳琳更愿意带领学生在实践项目中感受 AI 的魅力和影响。

沈教授团队和深圳公安刑警支队合作，用 AI 帮助法医辨别尸体死亡时间，开发了一款判断尸体死亡时间的算法，其原理是根据尸体上虫子的成长变化，将勘验检查和AI 系统结合，大大提高了警务办案的效率和准确性。

另外，沈琳琳团队还曾运用 AI 算法，协助各方追踪保护云南元江的野生大象。

拉进科研、课堂和产业的距离

每一年的毕业季，“十大无用专业”“十大水课排行”总能引发关注，这反应了当下学习理论和实际脱节的一种现状。对接产业升级和技术变革趋势，培养支撑产业需求的人才，成为我国高校人才培养的新使命。

因为淋过雨，所以想给别人撑把伞。在实际教学和科研工作中，沈琳琳希望通过自身力量缩短课堂、科研和产业的距离。他对学生不吝惜鼓励，亲和真诚，凡是对学生和社会有益的事情深度参与、亲力亲为。AI 智慧养殖的“鹅脸识别”项目上，他和学生一道成了半个“养鹅专家”。

他希望青少年明白任何东西都有起落，鼓励他们做自己感兴趣且对社会有意义的事情，不必盲目跟风。

人工智能时代呼啸而来，沈琳琳认为，“计算机视觉、自然语言、机器人等方向上都大有可为。人工智能行业有很多种不同水平的工作类型，不同能力的人可以在金字塔的不同位置找到适合自己的岗位，并依靠自己的兴趣和努力，在实践中提升自己的交叉学科理解能力，保持独立思考，不管你原来的起点如何，只要你坚持做下去，最后总能够成功。”