1樓：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，就要加入虛擬資料以提公升模型泛化能力，加多少，怎麼加，成了模型訓練成功的關鍵，實為煉丹。如果這個過程不夠熱愛，就會對CV無休止的實驗所厭煩，因為也不清楚什麼時候會有成果，心累是一定的。
如果是落地方向，其實就考驗數學和開發能力了，但是演算法已極度飽和(985碩士起步)，完全可以選需求多的後端前端開發，跳槽還會容易許多。
所以，如果是因為熱愛，那就上車吧，周圍有同事就很享受這種有挑戰性的CV預研工作。
2樓：我也不知叫什麼好
同研一，選擇CV是因為接觸後發現還挺有意思的（可能只是暫時的）。網上確實有很多勸退的，但自己想做的事情還沒嘗試就放棄覺得有點可惜，後面的事還沒考慮，現在懂的東西也不多，先走一步看一步，不行之後再轉行。
3樓：Tom Hardy
大廠裡面CV工作有兩種吧，一種叫預研，一種叫落地。預研主要是為公司提供一些穩定和高效的模型結構，支援產品落地，落地工作則是訓練指定場景和任務的深度學習模型，落地到板子上（各類AI晶元）。
預研工作的話主要是模型的復現和結果上的評估，pytorch使用的居多；落地工作的話，一方面要訓模型，另外一方面要落地，所以C，C++，Pytorch都會涉及，我覺得還是挺有挑戰性的，hahahha。
CV領域近幾年的競爭可能會越來越大，所以建議想要入坑，就要做好準備，很多童鞋最後不得不轉開發、測試，不過這是後話了，加油~
4樓：小牛蛙
其實這得看你自己，其實我覺得高數學得好的人學這個東西事半功倍，我現在都後悔大一那會沒有遠見，擱網咖天天上分，淨想著及格萬歲多乙份浪費了，還覺得這樣光榮，所以現在我是一名光榮的調包俠。
5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，比如最近開源的Autokernel https://
6樓：akkaze-鄭安坤
很中立的說，計算機視覺只是乙個感知模組。要麼和網際網路結合，要麼和機械人結合。兩種結合方式它都不是必須的。
網際網路更需要nlp，語言還是大家更能接受的資訊載體。機械人更需要slam，定位導航才是必須的，cv只能算錦上添花。
還有可能就是安防領域了，現在也做的差不多了。可能這塊是最需要視覺且規模比較大的案例。
計算機視覺，需求小，且都不是剛需。
經濟基礎決定上層建築。
7樓：達恩視覺
如果只是覺著現在CV崗的薪酬還不錯，那就不要入行了。AI的熱潮始與2023年，現在已經是一片紅海。很多參加了一些短期培訓班的就去從事CV崗，只會tensorflow, pytorch的API呼叫，調參，這波浪潮過去以後，這些人注定要被淘汰。
如果您有良好的數學基礎，又能夠沉得住氣，想踏踏實實的做點研究，那麼可以考慮CV. 不過話說一些大廠，其實更多的也是把學術界的成果拿過來，自己有客戶，有資料，有錢買硬體，剩下的更多是把學術成果產業化了。
8樓：猿人
分人吧，沒有數學基礎或者只想賺錢的很難學到裡面的東西，而且小組裡面可能儀器不夠用，要考慮去很多因素，但cv真的是個有趣的東西。
9樓：劉思哲
不明智，CV演算法崗競爭激烈，非常熱門，從業者眾多，處於市場飽和狀態，除非你非常優秀可以脫穎而出。相對而言，NLP演算法崗競爭沒那麼激烈！
10樓：Penguin Whisper
紮實基礎專業課，刷題
不管你做什麼it相關的都一樣，都是安身立命之本。
做不做cv，看你喜不喜歡。我覺得還是不要按照工作找研究方向，而是按照自己喜歡的去選擇工作。喜歡前端搞前端，喜歡後台做後台，喜歡cv搞cv，喜歡nlp搞nlp，喜歡底層搞底層。
扎下去好好研究，都是值得的，適合自己的，那條路都是好路。
網路上一直說哎呀這個不行了，那個也不行了，販賣焦慮，還沒開始就就要擔心這個擔心那個為時過早。自己把功夫做好，扎下去，無論做啥方向都一樣。搞cv的需求也很大，雖然現在條件跟之前比也高不少了。
研一啊，即使畢業做的和現在的研究方向無關，也很正常啊。。只是花兩三年接觸乙個領域罷了。 除了導師給你的活，你還可以嘗試很多的東西。
當然也要考慮工作的大環境，面向工資程式設計也是必要的。但是我覺得自己喜歡什麼的工作更重要。千萬不要因為別的販賣的焦慮，把自己真喜歡的東西拋棄掉了。
11樓：陳大寶
作為乙個曾經在大廠專業遞扳手兩年的CVer，我想說別天天瞄著大廠啊，CV可以做的東西多了去了，你們卻天天瞄著BAT，而且只看演算法崗。
大廠演算法崗能幹的活少且瑣碎，基本上就是遞扳手，連擰螺絲都用不著你。然後工資也就那樣，真的不是很高，能待兩年不被逼瘋已經很不錯了。
我剛進鵝廠實習的時候，我的第乙個mentor，正式員工哦，top2 master。人家一半時間在篩資料，一半時間在轉模型以及克服不同框架之間模型轉換的bug。做演算法？哈哈哈哈哈哈
去稍微不那麼大的廠看一圈唄，很多公司很需要CV工程師的，甚至你去了人家那裡連dirty work都不用做，寫Python就可以了，你還能接觸到各種奇奇怪怪的需求和任務，最後工資還比大廠給的有誠意多了。
12樓：雲時之間
還好吧，今年疫情期間出去找的實習就是CV崗，挺有意思的。
現在要求工程能力比較強，能快速部署專案，快速整理邏輯，這是最關鍵的。演算法工程師，你得先是工程師，想著進公司摸魚，估計沒可能了。
如果進了小一些規模的公司，標註資料，清洗資料，測試模型，上線模型，嗯，很鍛鍊人。
研究生期間可以著重鍛鍊下這個。。
13樓：TiuVe
不太明智，就職於某網際網路大廠，平時也內推了許多應屆生。可以說，cv一直是最近幾年投錄比最高的方向。一方面關於 cv 的解決方案已經相對成熟，可以快速遷移到其它場景，所以崗位需求量就比較少了。
另一方面相較於推薦系統而言，cv應用場景也相對少一些。個人建議現階段不建議從事 cv 崗，不過有興趣的除外，個人還是非常希望看到cv更多有份量的成果落地。
14樓：可可大果粒
碩士找工作為目的不推薦
當前現狀：各公司的演算法框架基本都搭建完畢，對於成熟的方向：檢測、分割、分類大多數工作就是洗洗資料，做做測試，改改配置檔案。
適合的人：資料敏感度高，工程能力強，能乙個人承擔整個功能點而不只是調模型。
對比一下，好像其他方向還簡單些。
15樓：
不建議，目前CV理論相比於幾十年前並無突破，學術和工業門檻較低，跟風者眾，如果不能成為大佬，內卷嚴重，且落地市場並沒有那麼大，崗位也基本飽和，國內已經明顯降溫，可以把這個方向作為自己的乙個技能點，還是不要作為自己的技能樹了，在校期間還是多學點真本事吧，切莫被投機浮躁的心態浪費自己的時間。
16樓：小洋幫就業
奔著學術界找教職，合適。
除了生化材醫，沒有比cv更容易水文章的領域了，排列組合隨便玩，跨學科cv保證你sci發到手軟
奔著工業界找工作，不合適
因為cv目前幾年內，能落地的幾乎都落地了，除非有某個大牛再次引爆某個點，否則cv會一直不溫不火，直到涼涼。君不見，諸多公司的ai部門不都優化了嗎？
17樓：Ross Li
思考投身某個行當是否明智這件事是否明智？
很多事的外在趨勢是不可測的。
有些事的決策更應該求問自己的內心。
如果明智的標準是以最小的努力獲得最大的外在收益，那麼即使找到這樣的行當，也未必是你玩得起的。
因此，根本不應該想這種問題。
18樓：邵浩博士
CV算是上層應用。有深度學習和大資料加持，CV已經比較成熟。
演算法崗競爭激烈的原因在於，現在做CV基本上都是拿乙個深度模型來調一調，對於機器學習和數學的要求大大降低。
但優秀的人才仍然是稀缺的，那些不僅有調參經驗，而且程式設計能力超強，對數學的掌握足夠深厚的同學，可以根據實際問題調整網路結構，利用各種方法滿足工程需求，並能熟練運用各種程式語言（例如C和C++）進行工程化改造。這樣的人也能夠拿到更好的offer。
因此，定方向，無論是CV，還是NLP，還是KG，都可以，最重要的是培養自己的程式設計能力、數學能力，以及基礎的機器學習能力。同時要多動手，從Kaggle開始，到研二找個比較好的實習崗位，競爭力也會提公升。
19樓：
明智．除非智商不夠．數學不好，程式設計不行，那就饒了自己，饒了老師，饒了你未來的老闆，未來的主管吧．
機器視覺，在ＶＲ領域，ＡＲ領域，至少一次爆發；
在自動駕駛領域至少一次爆發
在人工智慧，視覺識別，已經開始普及
在沉浸式洞穴，互動式遊戲，至少一次爆發．
在城市安全領域還有加強空間．
在未來視網膜雷射投影，腦機視覺介面，還有想象空間．現在的崗位工資水平，未來的發展空間，遠期的想象空間，決定了：
你做不了機器視覺的原因在於你在知識分子中的排名不支援你的夢想．
20樓：
我都不好意思跟別的計算機類學生說我是搞計算機視覺的... 怕被嘲笑為什麼。。
1.下限低。因為太多其他專業的，機械，訊號做AI全都是CV，很多人程式設計能力極差！
2.上限高。人太多了，大神太多了。。。
3.今年秋招計算機至今0 offer的95%是演算法吧，這95%裡的絕大部分是CV。
4.別的方向0 offer別人會說你不好好學習，CV的人除了說你不好好學習以外，還說你投機。。
5.怕不怕別別人付出更多努力但回報遠不如別人？
21樓：李鳳台
20年前，過年了，有錢沒錢回家過年，要買火車票。
你看那個視窗少又少，還有兩個高掛免戰牌。
你看那個隊伍長又長，排隊的不說，插隊的就八百多。
咋辦呢？
幹排——地老天荒，天若有情天亦老
插隊——有被清走的風險
黃牛票——成本高，風險高
走後門——曲徑通幽，門衛招手
貴賓通道——桃花源，划船偶遇
自己印票——...
現在投身於計算機視覺是否明智？
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...
2023年做計算機視覺還有必要看岡薩雷斯的《數字影象處理》嗎
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。 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...
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...