1樓：小林
馬上步入研二的我還是沒有找到更好的研究方向，又想做過場景分類，影象分割，影象還原，但是一做上去就感覺濛濛的，乙個人做是真的很頭疼，馬上就要開題了，到現在還沒有什麼思路。有想過出去實習，但老闆一直不放人，必須要先出成果。求建議！
2樓：伯樂九君
找個優異的計算機視覺專家做導師。國內以譚鐵牛為規範來找。國外以Richard Szeliski為規範來找。
大牛導師才能帶出大牛學生。正如馮卡門與錢學森這樣的師徒。首要搞點電子工業的部
3樓：
有些答主說的挺好的了。我添乙個好像大家沒提到的，就是每年爭取暑假實習，去一些靠譜的有研究能力的公司，現在一些CV創業公司和大公司的CV組都很吊。
我知道有些老闆不讓實習，但是看你的能力是否能說服老闆了，談判需要技巧，需要能互惠。
4樓：
從tango的傻大笨，到iphonex的從體積到計算能力的飛躍，已經預示了CV，乃至延伸的slam技術的巨大風口即將形成。立個flag，兩年內CV和slam手機應用會迎來爆發。兄弟你正當時阿。
5樓：
大四以及博一的這兩年打好理論基礎，你是博士，路還很長，基礎真的很重要。數字影象處理分析、矩陣分析、隨機過程、非負矩陣和張量分解、凸優化、模式識別與機器學習、深度學習、計算機視覺、人工智慧這些課乙個不落地學下來，因為你是博士，然後gpu和fpga要會乙個。如果有導師或師兄師姐指導當然最好。
6樓：劉芮金
答主和題主的經歷相似，只是比題主早一年。去年大四保研後，十月份進的實驗室。
最開始做的事情，就是學Python了。然後計算機視覺領域的相關問題（分類，定位，檢測，分割）的解決方法，目前最火熱的，自然是深度學習了。這方面，我是從CS231n入的門，知乎有Stanford CS231n 2016winter課程的全部的授權翻譯，包括課後作業，強烈建議自己動手碼一遍，能夠加深理解並且對後面各種network的實現有幫助。
然後就是學深度學習的框架了，那會直接接觸的tensorflow，所以也一直用著。不得不提的一句話就是，現在pytorch在研究領域的熱度已經超過了tensorflow（至於為什麼，有乙個專門吐槽tf的話題），而且答主本人在用過pytorch之後確實覺得比tf要簡單直觀好用的多，但可能就是用久了習慣了= =，也沒多大落差。所以這方面就看題主自己的個人愛好吧。
然後就是實現各種popular network，比如，inception及其進化版，vgg，resnet，SSD以及RCNN及其不停進化版等等。一是讀文章了解大佬們的idea，二也是學了框架練練手。
總之，答主也是剛入門的菜雞一枚，分享一點拙見，還請各位知乎大佬不吝賜教，也希望樓主加油！一起努力！
7樓：取名字困難戶
我也是視覺方向直博的，博一(研一)才倆月，只能說說目前的體會吧，已經感覺很大壓力了，因為基礎太差，感覺什麼都不會。
首先要有紮實的基礎，要不然以後搞科研肯定會有好多坑。不知道你本科是學什麼的，也不知道你具體是哪個方向，我就隨便說了，感覺在你研究生開學前要打好下面的基礎
1.C++/Python至少熟練掌握一種，MATLAB作為輔助
2.資料結構
4.岡薩雷斯的《數字影象處理》，並結合《數字影象處理》MATLAB版或opencv程式設計手冊進行練習
5.機器學習基本演算法，可以參加吳恩達在Coursera上的機器學習課程，最好把練習題和程式設計做了
6.《矩陣分析與應用》，張賢達
7.英語詞彙，GitHub
如果你已經具備了以上知識或技能，大四可以好好浪了，或者學點其他的。我保完研大四浪了一年，而且上面的都不會，現在感覺壓力好大
8樓：呵伊基科
門外漢一枚。計算機視覺是不是常說的智慧型影象識別？
我覺得比較好的方向是：增加識別的判斷依據。我了解的影象識別主要是形狀和顏色，即根據影象顏色的變化描畫輪廓，根據輪廓來與記憶庫中的形狀作比較，以便於識別影象。
這種影象識別僅能用於識別標準影象，比如機動車號牌、人臉識別。
但是僅僅是顏色和形狀，功能有限是正常的。
乙個可以考慮的方向是：比例尺。一輛汽車和它的等比模型，人眼一下就能分辨，乙個是玩具，乙個是真傢伙。而計算機就不行。
要想弄對比例尺，兩個攝像頭是必須的，然後根據兩個攝像頭中標準影象的角度差計算出影象與攝像頭的距離，根據距離來計算影象所對應的外界實物的真實尺寸。體積大小是非常重要的識別標準。畢竟製造乙個等大的模型很少有人做，除非出於特別的目的。
有了比例尺，計算機就能將影象中的各元素，安排在遠近不同的空間內，也就是，下一步可以研究的高階方向是：讓計算機視覺具備空間感。這個我感覺，無人駕駛想要超車的話，會用到。
計算機視覺和影象處理方向前景如何？
1 遊戲行業。2 軍工行業。3 安防行業。4 銷售行業。5 開公司。6 頂級公司的研究院 7 出國就業 本人學渣，戰力五，遊戲行業。軍工行業。安防行業。均混過。作為乙個能說會道自帶喜感的學渣。當年的最大錯誤選擇 自己未果斷放棄所謂技術，進入第四個行業。開啟上帝模式。人總是後悔的。自帶學術戰力的一定要...
計算機視覺如何規劃學習？
慧橋ICT教育 一 計算機視覺概覽 計算機視覺的定義 計算機視覺的應用 計算機視覺相關學科 計算機視覺與人工智慧的關係 二 數字影象處理基礎 人眼影象的形成 影象的感知和獲取 影象數位化 取樣與解析度 量化 灰度級 數字影象的表示 畫素 灰度圖 彩色影象RGB與HSV 顏色空間 畫素關係 連通域 影...
計算機博士能否做理論物理方面的科研
夜火星淡 這要看你計算機方面專業是什麼以及你想做的是理論物理是哪方面。想做解析方面的話需要學習的東西太多並且不能發揮你的專業優勢。所以建議做數值方向。下面列一些可能的方向 高能物理 大資料處理對撞機結果 凝聚態理論 多體量子模擬目前在發展各種神經網路演算法，和深度學習也有密切關係。第一性原理計算方面...