计算机视觉领域主流的算法和方向都有哪些？

Posted 2023-05-15

人工智能是当下很火热的话题，其与大数据的完美结合应用于多个场景，极大的方便了人类的生活。而人工智能又包含深度学习和机器学习两方面的内容。深度学习又以计算机视觉和自然语言处理两个方向发展的最好，最火热。大家对于自然语言处理的接触可能不是很多，但是说起计算机视觉，一定能够马上明白，因为我们每天接触的刷脸支付等手段就会和计算机视觉挂钩。可以说计算机视觉的应用最为广泛。

计算机视觉的定义是：基于感知对象做出对客观对象和场景有用的决策。目前发展较为主流的几个方面分别是：图像分类、对象检测、目标跟踪、语义分割和实例分割。具体到实际应用上有人脸识别、图像检索、监控监测、生物识别以及汽车的自动驾驶等。

图像分类，就是对给定的测试对象类别进行预测，比如在一堆猫和狗的图片中区分出狗。目前用于图像分类的算法较为流行的框架是卷积神经网络，该算法在GPU上有良好的表现，通常在一周内就能完成训练。对象检测，就是在给定图片中把要检测的内容框选并标注出。若将卷积神经网络用在对象检测上，需要很大的计算量，因此，常用的算法是基于区域的卷积神经网络，将图片分为很多个区域，并在这些区域中使用卷积神经网络的算法。

目标跟踪，就是在某种场景下跟踪特定对象的过程，在无人驾驶领域中有很重要的应用。目前较为流行的目标跟踪算法是基于堆叠自动编码器的DLT。语义分割，则是将图像分为像素组，再进行标记和分类。目前的主流算法都使用完全卷积网络的框架。实例分割，是指将不同类型的实例分类，比如用4种不同颜色来标记4只猫。目前用于实例分割的主流算法是Mask R-CNN。

参考技术A 一是人脸图像，应用于人脸识别，用于虚拟支付，安全识别等，二是深度神经网络算法，对于照片特征点进行捕捉，三是车牌识别，用于交通管理。

如何做一名合格的深度学习实习生

在校生往深度学习（计算机视觉）方向发展应该做哪些积累？

深度学习算法研发岗一般是分为两个方向：一，算法研发；二，不同平台，性能优化。
必备技能：

1. 数学：公式推导；
2. 编程：C++，Python，达到leetcode中级水平；
3. 常用算法，数据结构；
4. 框架：opencv, tensorflow, caffe, pytorch；
5. 项目积累，熟悉研究领域算法原理实现， top paper/study;
6. debug 能力.
   

谨记：1. 看paper+复现+改进 2. 实现框架没有实现得功能 3. 看框架源码及优秀论文源码 4. 底层实现必须要做。

 

 

公司看中实习生的哪些素质？

1. 性格稳重；
2. 实事求是；
3. 必备技能
   

深度学习算法研发的流程

1. 明确研发任务;
2. 任务相关领域的调研;
3. 制定计划;
4. 用最短的时间内实现第一个版本;
5. 针对第一个版本进行优化;
6. 结题

如何快速上手一个新的课题

谨记：1. 充分利用资源，调动资源 2. 相关论文＋死磕code

 

如何成为一个优秀的实习生以拿到正式offer

1. 积极主动；
2. 超额完成任务；
3. 工作成果；
4. 调动资源；
5. 热情＋精力。

到了下班时间了，公司的正式员工都还没走，我作为一个实习生该不该走？

谨记：精力管理 可以隔天加班，不应超负荷，保持大脑思路清晰。

后记

上述提到得内容是死的，而人是思想活跃得，是各个因素综合的产物，不应拘泥于此条条框框，只是提供一种借鉴。愿你我：时刻保持危机感，日益精进。