1樓：slamdunker
如果只想專攻機器學習方向，duck不必，了解了解就行，因為以後可能又搞推薦去了？如果想專攻影象和視覺領域，那基礎知識肯定需要掌握的。
2樓：言有三
就算不看這本書，也要看其他講解影象基礎演算法的書，我遇到過一些做了幾年CV的同學，連直方圖的基本操作都講不清楚，真是無比尷尬，很多深度學習模型都是要用到傳統影象知識的。
3樓：
機器學習之類的是最新的東西，但是本質上那只是乙個分類器。如果不學基礎知識的話，那裡邊的東西只能理解為乙個黑箱，讓自己變成乙個調包工程師，那樣就沒意思了呀。
有經典數學支援的那些基本的影象處理演算法即使是現在用到的地方也是很多的，比如工廠流水線上。不是任何地方都有一台帶gtx2080的電腦執行處理程式的。所有知識各自適用範圍不同
4樓：dp luo
如果你剛入門，建議你去opencv官網，或者找本相關的書，跑demo，大致感受一下影象處理裡面的一些內容。
如果你已經有了一定基礎，找本經典的書，學習一些理論，以及理論背後的思想，這個特別重要。有了理論後，你思考問題就會變得有方向，而且會深刻不少。
至於很火的深度學習，入門真心沒門檻，找個框架跑跑demo沒啥壓力，如果你想在這方面有所突破，首先你得去大廠，有裝置，有大量資料，你才可能做好。大部分搞深度學習的小廠，大概率是為了騙錢。
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...
如何評價2023年計算機視覺頂會CVPR投稿量破萬的現象？
弗拉基公尺爾 哈哈哈，LSTM投稿法也同樣試用呀 遺忘門，遺忘之前的水文 重置門更新門，重置更新上屆小修文章.本屆文章在作為這一屆的輸入. JunMa 以分割為例，今年的ICCV在月初剛剛落下帷幕，回看一下10年前的ICCV 2009是怎麼做分割的。這篇文章是Pock,Cremers等人發在ICCV...
2023年，計算機視覺領域會有哪些新的研究方向值得提前探索？
Julian 掃了一圈看到有人答Federated Learning FL 那我接著這個話題往下說說Split Learning SL 1.Split Learning的主要動機的什麼？2.什麼是Split Learning?框架圖和演算法圖 3.SL與FL以及其他相似演算法的區別是什麼？4.效能怎...