1樓：去太平洋游泳
首先討談論一下個人經歷:
我碩士是做自動駕駛的，計算機視覺那一塊的演算法研究。後來專案要落地，需要實車實驗。當時是在英偉達TX2開發板上驗證的，基於Arm架構，有Gpu加速支援。
環境也很好安裝，ros+cv。最後只需要把程式包配置好，就可以啟動節點了。
後來在當前的公司做對抗生成那一塊的演算法研究，需要部署到移動端。整個流程是這樣的: pytorch模型訓練，輕量化，pt模型轉onnx中間模型，中間模型轉成自己公司支援的模型，效果驗證，寫前向推理，接入移動端。
2樓：範沅
就這麼點時間，看看c++吧，不用學的太好，知道怎麼樣高效處理資料流，寫寫前後置處理，指標啊矩陣計算啊啥的。
再看看tfx之類的東西吧，看看怎麼排程的。
優化運算元啥的，常見模型都跑不好是庫有問題吧，看看老黃的tensorrt吧，大概了解了解。
看看招啥人吧，有啥要求，面向面試程式設計。
3樓：楊奎元
視覺演算法工業部署及落地，由於嵌入式平台眾多，且大多數對深度學習的支援還不太成熟，所以開始學沒什麼頭緒。其實，最重要的是C/C++的基本功，部署任務根據具體的嵌入式平台和相關資料很快可以上手。
PS: 我們有相關職位在招，提供多個量產嵌入式平台，符合上面劃重點的要求即可。
計算機視覺中，目前有哪些經典的目標跟蹤演算法？
砥礪前行的登山者 為了該問題，剛註冊的知乎，已入坑。之前研究經典的追蹤演算法，乃至有種 山中一日，世上已千年 的趕腳。該領域已經漸漸沉浸於相關濾波和深度學習裡，但以前的經典還需好好繼承，舉個小爪爪，以後和大家一起交流目標跟蹤的經驗 Ge皮燉蛋湯 MOSSE，Visual Object Trackin...
計算機視覺（CV）的演算法有哪些，具體都有哪些特點？
尋常巷陌 如果資料中雜訊比較強的話，深度殘差收縮網路比較適合。雜訊比較弱的話，應該也適用，因為閾值是根據資料自適應設定的。 脫離要解決的問題談演算法是沒有意義的！目前學界對CV基本任務的定義也是十分混亂和隨意的。本人嘗試對CV的基本問題做了個定義，CV要解決的是感知 目標 目標 和自身 在三維空間中...
計算機視覺中，目前有哪些成熟的匹配定位演算法？
opencv自帶的那個surf特徵點配準的是真的不好用，實際幹專案的場景精度很差，每次得等到光照啥的條件好點的時候再配準。 Ronald GMS了解一下 要求實時 精度也不差 orb GMS 要求精度 A SIFT GMS 相同程度匹配，速度精度比RANSAC效果好 餘果 SegICP Integr...