楼主:
Wardyal (Wardyal)
2023-02-06 17:27:54如题 本身大学研究所都是做CV的
研究基本上也不外乎什么AI的辨识、侦测
什么DeepLearning的
不过我本身对AI研究方面没啥兴趣
对CV倒是还可以接受
刚刚看了一下104
现在做CV的公司是不是大多都绑AI阿
做AI方面的职缺是真的跟硕班一样
整天在看paper 然后报告
还是有比较著重实务 把AI的Tool来用
应该都是当tool来用吧 但是要有人去train它AI很强啊 不然要手工去写啥特征点侦测吗 很难吧应该是DL很强，用啥SVM可能还是要设计啥HoG之类的
楼主:
Wardyal (Wardyal)
2023-02-06 17:53:00应该说有点排斥一天到晚在看、报论文才排斥AI所以业界主要还是以实物为主吗 有点好奇
可以找应用写code的 应该不用看论文 多的是博士在搞
楼主:
Wardyal (Wardyal)
2023-02-06 18:18:00了解
作者:
yiche (你若安好，便是晴天)
2023-02-06 19:01:00也有传统数位影像处理呀 不过内容很数学喔
楼主:
Wardyal (Wardyal)
2023-02-06 19:37:00喔喔 好吧
业界做AI CV就是一直implement最新paper 的东西啊现在基本上各领域DL 方法都领先传统 handcrafted除非要部署在edge device 有运算上的限制 不然基本上都用DL的方法
作者:
MoonCode (MoonCode)
2023-02-06 23:07:00把 CV 跟 AI 做分类很奇怪
作者:
Ofianse (大便人)
2023-02-07 01:45:00我先猜业界都在落地 少有资源研究新方法
作者:
q00153 (TB)
2023-02-07 06:11:00我硕论就纯 CV 找芯片缺陷，大概三年前写的
作者:
DrTech (竹科管理处网军研发人员)
2023-02-07 07:46:00分开看真的很奇特。即使做AI，影像的前处理，后处理，还是传统的CV与数学。即使做传统CV，后面应用也一堆统计机器学习模型,DL还只是工作的一小块。除非你走学术界，做产品的根本很难拆开传统影像处理与ML，DL其实很简单，你去找有做产品对外贩售的，就不只是DL了。
CV可以分成镜头矫正的软韧和影像的辨识算法，台湾硬件芯片厂前者的缺还是多数，不会用到DL，以C++撰写传统算法为主。但凡牵扯到应用层面，DL基本上跑不掉，只是落地要考虑硬件是否支援深度模型所有运算子以及memory是否足够。
作者:
alan5 (小安)
2023-02-07 10:43:00你就想想只做cv是怎么赚钱这样就好
作者: rereterry (rereterry) 2023-02-07 11:53:00
其实现在大一点的团队拆分蛮细的，有完全应用端的，读paper跟转化AI都是专门的人，其他人则可能是部署串接跟相应功能开发
作者: MonyemLi (life) 2023-02-07 13:49:00
大多说ai都是ai操作者，这种学习时间成本不高。但cv没ai训练包会回好几年前。从业人数越来越多的今天，进步飞快但你高兴就好
作者:
GoalBased (Artificail Intelligence)
2023-02-07 15:48:00车载不少
作者:
azsx14520 (azsx14520)
2023-02-07 19:18:00Robotics 应用很多，但主流还是往ai做了
影像和CV原则上不一样 影像处理有一堆基于数学的东西可以做 CV要做得好现在都靠AI了当然业界不一定分工那么清楚 取决实际需求和人手
作者: eaton1202 (面对未来的沉思) 2023-02-09 02:25:00
之前面试一些CV算法职缺给我感觉是传统影像处理相关还是偏多