近几年计算机视觉非常火热,学术界论文发表数量呈指数增长,其中ICCV 2019共收获 4328 篇论文,较上一届 2143 篇,数量多出了将近一倍(数据来自雷锋网);落地上,已广泛应用于安防、自动驾驶、医疗、消费等领域;同时也诞生了很多像商汤、旷视这样的名企。
计算机视觉应用情况
(图源:前瞻产业研究院整理)
虽然越来越多的伙伴想要从事计算机视觉领域的工作,但在入门学习时没有专业的指导,直接将深度学习作为学习计算机视觉的切入点,导致只关注深度学习方法及相应的开源代码,而忽视了传统方法的学习。
传统方法是计算机视觉的根基,不理解传统方法往往造成只会调参&跑效果的结果。在进一步学习及解决实际问题时,更是步履维艰。究其原因是不理解计算机视觉的根本原理。
基于深度学习的算法缺乏可解释性,传统方法的算法恰恰弥补了这个缺点,不但具有可解释性,更能正确引导修正模型,且算法的速度也更快。
现在很多深度学习算法,都开始将传统思路结合进去,尤其是在算法冷启动时,数据量非常少,很难用深度学习算法。所以,传统方法不能被忽略!
责任编辑:lq
全部0条评论
快来发表一下你的评论吧 !