1樓：
顯然明智啊，周圍還在搞cv的大佬們都賺得盆滿缽滿。說前景不好的，現在其他主流方向比如搜推廣也沒幾年前舒服吧。
不過cv非常難，非常非常難，絕對不是fit資料集和灌幾篇水就OK的。之前大三大四的時候就相當堅定，智力不足資源不足不要搞cv，可惜後面讀研沒有選擇權。
順帶提一句，現在這種落地難的情況完全就是業界自己作出來的。之前畢業找工作的時候，發現很多從業人員都有cv=ml這種誤解，會去提提影象處理的都在少數。錯誤的激勵機制下，搞不出來東西也還算正常。
2樓：黃漾
商業的本質就是錢，你能短期內給公司帶來價值這就是乙個好方向，並且能讓你存活10年，如果要投身的話，就是找應用的，領域未來會爆發的，可以多去看券商的報告，大概率就是指向未來的。那種需要在10年後才能有藍海的領域就不怎麼建議了，還有你要做的就是順勢而為，大致做到不出錯，跟著聰明的人的屁股後面走也行
3樓：春ying
應該看看下一步的趨勢是什麼。我覺得未來的趨勢是自動化，應該適當看看做自動化工具的開源專案，比如 https://
nel，TVM等
4樓：
先留個坑。
答題者有從業經驗的，大多看得比較明白，我基本都贊同，那自己再補充一點看法。
這個問題需要分開學界和業界去看。從學界角度，我同意最高票答案說的vision不死。VQA，3D一大堆有得做，結合一下其他領域繼續挖就更別說了。
但是，從業界角度看，CV目前最大問題不單單是落地難，而是「有價值的落地需求少」。這裡說的有價值，不是說能幫助解決XX問題，節省XX成本這麼簡單，我想特指的是，沒有乙個劃時代的產品需求可以通過CV解決，從而獲得相比現在更高數量級的收益。
不可否認的是，像目標檢測識別，甚至有答主提及的超分降噪，這些都很有用且能落地。但是，這些東西目前能創造的收益並不大，商業社會，講求生產效率和價值，而落地乙個CV專案的價值，現在可能還很難幹得過落地乙個推薦系統。更別說其他非演算法主導的專案產生的價值，比如營銷和廣告帶來的帶貨能力乘數效應式的提公升，而CV目前還沒有看到其自身的落地專案能帶來多麼巨大的具體價值，也沒有看到通過CV賦能帶來的顛覆式乘數效應。
如果CV的落地價值沒有這麼大的話，CV會不會死呢？當然不會。但是它賺的錢就不會很多，對企業來說可能是些小錢，而且為了落地中間會付出巨大的成本代價。
另外，這種情況也無法支撐現在巨量的CV「人才」輸入。
那有哪些CV專案是可能帶來顛覆式增長，為CV撐出一片天呢？我覺得，唯有自動駕駛和醫療影象。但是這兩個是不是真能成呢？這個各位見仁見智。當然，我覺得希望是有的。
但是對於學生，尤其是讀完研想出來找工作的。我建議你要想清楚。好用，能用，不等於要用。技術不是社會的最根本追求，逐利才是。
5樓：
作為當作長期愛好研究的話，感覺非常有意思，問題越來越難了，實用的東西越來越多了，和其他學科交叉的越來越多了，所以投身計算機視覺肯定沒問題。
作為讀研/讀博找好工作的角度，那價效比越來越低了，工資差越來越大了。這個行業，乙個厲害的人可以頂5-10個一般水平的人。如果沒有信心，熱情，努力達到較高水平的話，可能換個行業更加合適。
6樓：銀時的胖次
emmm大致看了一下一片看衰？我目前就是身處坑中，我得打雞血啊_(:D)∠)_這種看衰的不看，溜了溜了_(:D)∠)_好好學習吧！
7樓：Kieth
目前的發展方向是AI領域大一統的時代，計算視覺在這個時代會有很多可以研究的方向。既然現在有方向，有前人的肩膀，有強大的算力，那麼現在加入可以說非常明智。可以看看超級大牛朱松純教授acm 2019的報告：
Kieth：AI領域大一統時代的到來——記朱松純教授在ACM 2019 圖靈大會的報告
後續我會對這次ppt做乙個解讀，相信會對你有更好的幫助。
8樓：悅涯
計算機視覺是典型的乙個模型幹一切的領域，定製化需求也可以通過較為方便的模型微調實現。即使是學術領域也基本上是不斷做增量研究。這種贏者通吃的方向需要的只是少量的頂端人才和部分低端苦力，中層基本是空的。
就個人職業發展而言，還是要做高度定製化的工作。程式設計師為什麼有那麼大的就業市場，不就因為每個專案都要從頭開始搭嗎？不能簡單地向大公司買個api。
最後計算機視覺應該會像雲計算領域一樣，由幾個大公司一統。
9樓：消失的小風
投身喜歡的領域什麼時候都不算太晚。
不喜歡的職業什麼情況下都不建議進入。
作為乙個普通的程式設計師，知道自己沒有研究演算法，機器學習的天賦。
但是單純的web開發，也能做的很開心。
優秀的人才在任何領域都能發揮出優勢，要確定自己做這件事情能否開心
10樓：
我覺得現在研究視覺資訊處理的思路就是錯的，深度學習不適合計算機視覺。可以說真正有效的視覺資訊處理方法還沒有找到。
作為研究課題你，CV很有價值，但它不是計算機技術，是資訊科技。作為工程課題，針對性很強，實用面窄。
11樓：天胡德魯伊
還是得看自己的興趣愛好我是稀里糊塗跟了乙個做CV的導師導師人很好，但是深度學習的可解釋性太差讓我覺得很難受這學期上了機器學習課發現還是對有理論支撐的東西更感興趣
12樓：
行業角度：CV行業方興未艾。雖然不是第一批次吃螃蟹的人，在AI行業的上公升期裡，上車的最好時機就是現在；
各國都在往這個方向提供能量。現在是領域細分時期，強調與實體經濟融合，前面還有無數的活兒等著我們。無數的活兒完成了，還會催生更多的活兒。
發展力=個人核心競爭力x50%+行業態勢x30%+機遇x20%
2020 年，投身計算機視覺是否明智？
Wusdream 如果是因為演算法崗較高的薪水，那不太建議來，因為演算法崗已經很捲了，付出回報不成正比，同樣的努力開發早就去網際網路大廠了。拿演算法預研來說，如果你沒有在演算法精度上做出提公升，每個季度考核一定會非常焦慮，CV預研在工作中的大部分任務都是對訓練資料的處理。比如，真實資料容易過擬合，就...
請問現在有哪些成功的計算機視覺產品？
拋開工業應用不談，格靈深瞳的深度視覺相機 做安防監控貌似 face 和sensetime的人臉識別軟體，這些都是成功的CV產品啊 計算機視覺主要是工業應用，所以你不太知道，樓上的 basicbeyond就說了不少。個人用的話，最常見的，有電影特效，遊戲和全景攝影相片 basicbeyond 不太清楚...
為什麼相比於計算機視覺 cv ，自然語言處理 nlp 領域的發展要緩慢？
我覺得計算機視覺的進展也很緩慢 雖然已經能解決一些問題。自然語言處理的問題很複雜，複雜到計算機視覺的規模僅僅是自然語言處理的乙個子模組。計算機視覺早晚也會遇到自然語言處理一樣的瓶頸，而且必須依靠自然語言處理的進步來實現。 特里在納舍科技 語言在於上下文不一樣，會有不一樣的意思，比如 波 在訊號處理裡...