對欲從業計算機視覺者說的話

計算機視覺技術誕生于半個多世紀以前，隨著深度學習技術的成熟開始在很多領域大規模落地，以研究方向來說，大大小小至少數十個領域，我們公眾號介紹過一些，大家也可以自己去了解。這里我重點想說的有幾件事情。

(1) 計算機視覺技術飽和了嗎？這是在2019年里被反復討論的主題。

我的回答是，研究領域沒有飽和，諸如3D圖像，計算機圖形學等領域甚至只能說初探其境，很多老問題如分類檢測跟蹤也在與復雜的現實場景做搏斗，很多底層問題如圖像增強更是還止步于實驗室環境中，別看文章寫的漂亮，離產品落地差的很遠，談何飽和。應用領域則更是短期內不可能飽和，很多的行業都還等著計算機視覺技術去優化流程，降低成本。

所謂飽和，飽和的是淺嘗輒止的心態，如果不求甚解，并不愛這個行業，那么我的建議就是勸退。

另外，關于算法工程師，請大家不要停留在算法工程師就是看看文章做做調參這個認知上，它要做的事情很多。搜集合適的數據，選定項目方案，模型優化部署，算法后續迭代，都不是簡單的工作。

(2) 計算機視覺和自然語言處理哪個領域更好？這也是被新手反復提的問題。

我的回答是，這個問題就好像是學英語專業更好還是學計算機專業更好，不好對比。計算機視覺領域的應用比自然語言處理要多，發展也成熟很多，自然語言處理領域從業競爭者暫時會少一些，不過語音處理更少吧。長遠來看，選職業跟選對象是一樣的，日日面對，自然要遵從內心是否喜歡，因為這些行業都不是曇花一現的。

站在一個更大的時間跨度來看，21世紀人才英語和計算機都得學好，AI領域專業人才計算機視覺和自然語言處理都得學好。

(3) 達到一個什么樣的水平可以去找工作？

我的回答是，這應該是取決于你想找一個什么樣的工作，跟找對象也是同樣的道理，大多數人是高不成低不就。一個行業發展漸趨成熟穩定后，從業者肯定是金字塔分布。

如果將這一行的從業者分為三個梯隊，那么第一梯隊是頂級研發人員，占比不會超過5%，大部分同志并不會成為其中一員，在沒有三五年的積累后先不用考慮。

第二梯隊是大中小企業的一線開發，占比至少在60%以上，所需要的技能是豐富的項目經驗和扎實的編程能力，其中難點在于培養出對項目的敏感性，能夠以較低成本不走歧路地完成項目。如何成為這樣的人，第一步至少要先熟練掌握計算機視覺的基礎算法，精讀足夠多的文章，從頭到尾完整做過多個不同方向的項目。

第三梯隊是非核心開發人員。很少有人一上來就擔當大任，所以一開始入行往往是從這個梯隊開始的，跟著別人做事學習，比如做數據分析與標注類工作。所需要的技能是扎實的編程能力和一定的算法經驗，東西看的懂，用得對。

我們怎么做學習計劃

對于學習，有三有幾個想法，這也是我們季劃重點包含的內容。

(1) 學習必須是系統和完整的。學習的目標是為了長期使用，那么必然需要系統性地掌握知識，往后才能夠觸類旁通。短期突擊(如單個項目)或許可以通過考試，但是終究用處有限，而且遲早會暴露殘缺的知識背景。

(2) 學習必須是長期和動態的。三個月甚至半年的固定學習周期是不夠的，這還只能初窺門道，因此我們要保證長年累月的交流渠道是暢通的。學習資料是死的，人是活的，源源不斷的問題根本就不是資料，尤其是錄制好的音視頻能解決的。

(3)?學習資料要豐富。學習資料形式最好同時包含視頻和圖文，囊括線上和線下交流，這樣能夠滿足各類人群的需求，方便及時反饋問題。學習的本質是時間資源換就業資源，自然是有限的時間內獲得最大的收獲為好。

(4) 學習必須要完成閉環。學習的目標不是為了學習，而是為了使用。從掌握知識，到后續積累人脈和項目經歷，甚至完成學生到老師的轉變，越往后越有價值。我希望跟著我們學習的同學，能夠持續在生態中獲益，成為專欄/書籍作者，成為老師，成為項目負責人，甚至是合伙人。

綜上，關于計算機視覺的學習，我們推出來“季劃”的學習模式，總的來說有以下特點：

(1) 分難度依次增加的3個計算機視覺學習小組，即“春夏秋”三個等級。

(2) 有三作為唯一導師直接帶領，囊括隨時一對一答疑，微信群交流，線下活動，不少于一本書籍，圖文課件與代碼，一年免費的知識星球社區，所有學習視頻。

(3) 不定期共享新的干貨資源，如各類技術直播分享PPT和項目。

下面具體介紹各個季劃的情況。

有三AI春季劃

春季劃是給以下選手準備的，目標是完全入門計算機視覺，培養后續能夠獨立進行該領域學習的習慣和能力。

(1) 深度學習/計算機視覺/圖像處理零基礎學生與轉行的從業者。

(2) 深度學習/計算機視覺/圖像處理基礎薄弱，缺少實踐，停留在網絡視頻課級別的選手。

(3) 不具備能完成從數據準備到模型調優全流程的深度學習/計算機視覺從業者。

(4) 未能熟練掌握圖像分類，分割，檢測，模型設計與調優的基本原理的選手。

所以春季劃覆蓋從“編程基礎”，“開源框架”，“圖像基礎”，以及難度從低到高的深度學習實踐項目(分類，分割，檢測，模型設計與優化)，每一個知識點未必非常詳細，但是核心要點力求包括，下面是一張項目相關的圖供大家理解。

【詳細了解春季劃】這個春天，有三最后一月的學習“季劃”招生

有三AI夏季劃

夏季劃是春季劃的進階，是給已經有比較好的計算機視覺基礎的選手準備的，目標是較深入地掌握若干計算機視覺領域，培養獨立完整的工程項目能力。

(1) 有較好的python編程基礎，缺少C++編程經驗，不熟悉模型的部署和優化。

(2) 缺少計算機視覺項目經驗。

所以夏季劃覆蓋了“從檢測到跟蹤”，“從圖像分類到GAN”，“三維人臉重建”，“模型剪枝與量化”的多個實踐項目，覆蓋了Caffe的完整源代碼解讀，定制，C++部署，Python小程序的前端，后端模型部署等內容。

下面是一張項目相關的圖供大家理解。

【詳細了解夏季劃】有三AI“夏季劃”出爐，今夏進階中級CV算法工程師

小提示：大部分同學可以根據自己的情況選擇春/夏季劃之一即可，如果同時報名則春季劃半價。

有三AI秋季劃

秋季劃是直接參照公司架構進行分組，分三大方向，模型優化，人臉算法，圖像質量。當你在某一個領域里做到極致，便會成為該領域的專家，從此就真的有了立足之地，這也是最后一個季劃，以后還會增加新的方向。注意：參加秋季劃有以下基本要求。

(1) 熟練掌握Python，會使用C++編程。

(2) 至少能使用Caffe，Tensorflow，Pytorch三大開源框架。

(3) 扎實的數字圖像處理基礎，熟練掌握OpenCV。

(4) 扎實的深度學習理論基礎。

【模型優化小組】需要掌握深度學習模型設計，調參，優化，部署。具體包括8大方向：數據使用，模型使用和調參，模型性能分析，緊湊模型設計，模型剪枝，模型量化，模型部署，NAS。

【人臉算法小組】需要掌握當前人臉圖像領域的主要算法，具體包括8大方向：人臉檢測，人臉關鍵點檢測，人臉識別，人臉屬性分析，人臉分割，人臉美顏，人臉編輯與風格化，三維人臉重建。

【圖像質量小組】需要掌握與圖像質量相關的內容，具體包括8大方向：圖像質量評價，圖像構圖分析，圖像降噪，圖像對比度增強，圖像超分辨，圖像去模糊，圖像風格化，圖像修復。

【詳細了解秋季劃】有三AI秋季劃出爐，模型優化，人臉算法，圖像質量等24個項目等你來拿

報名聯系有三微信Longlongtogo即可。

?

?

【年終總結】2019年有三AI做了什么，2020年我們要做什么？

總結

以上是生活随笔為你收集整理的【杂谈】2020年有三AI计算机视觉培养计划详解，该不该学怎么学CV的简单讨论...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。