計(jì)算機(jī)視覺的前景怎么樣？大有可為，行業(yè)目前成就僅是冰山一角。有些朋友認(rèn)為CV進(jìn)入瓶頸期的，可能是一些計(jì)算機(jī)視覺的經(jīng)典問題，論文化，學(xué)術(shù)化的，如物體識(shí)別和檢測(cè)（人臉，行人，物體，場(chǎng)景 etc）．但是如果

計(jì)算機(jī)視覺的前景怎么樣？

大有可為，行業(yè)目前成就僅是冰山一角。

有些朋友認(rèn)為CV進(jìn)入瓶頸期的，可能是一些計(jì)算機(jī)視覺的經(jīng)典問題，論文化，學(xué)術(shù)化的，如物體識(shí)別和檢測(cè)（人臉，行人，物體，場(chǎng)景 etc）．但是如果能死磕這些經(jīng)典問題，往往能帶來質(zhì)的突破，比如說對(duì)于ImageNet物體識(shí)別GoogLeNet之后，大部分人應(yīng)該都不會(huì)想到還有ResNet出現(xiàn)先說結(jié)論：由于近幾年深度學(xué)習(xí)的發(fā)展，計(jì)算機(jī)視覺應(yīng)用的前景廣闊。而且越來越多的應(yīng)用場(chǎng)景被挖掘出來。比如視頻自動(dòng)識(shí)別，在公安中應(yīng)用，遙感影像自動(dòng)提取在國(guó)土智能監(jiān)管中應(yīng)用。

其實(shí)我舉這個(gè)例子，就是想說明一點(diǎn)，計(jì)算機(jī)視覺的應(yīng)用非常多，遠(yuǎn)沒達(dá)到飽和的地步，算法在提高的同時(shí)，更具挑戰(zhàn)性的應(yīng)用也會(huì)被提出來，這是相輔相成的。人臉，車牌/車型以及物體分類跟蹤是當(dāng)前比較受關(guān)注的應(yīng)用，包括很多明星企業(yè)，也主要是做這個(gè)領(lǐng)域，但其實(shí)這只是一小部分而已。還有其他更有價(jià)值的領(lǐng)域，比如產(chǎn)品缺陷檢測(cè)，雷達(dá)圖像分析，醫(yī)學(xué)圖像分析（比如癌細(xì)胞早期篩查）等等，太多了就不展開細(xì)講了。即便是大家耳熟能詳?shù)娜四樧R(shí)別，其實(shí)也有很多細(xì)分領(lǐng)域的應(yīng)用等著去挖掘。以下是第二屆數(shù)字中會(huì)的競(jìng)賽題目，AI識(shí)別鋼筋數(shù)量，說明什么?cV不斷與業(yè)務(wù)融合，在某個(gè)業(yè)務(wù)痛點(diǎn)上發(fā)揮無可替代作用。

現(xiàn)在計(jì)算機(jī)視覺使用什么語言開發(fā)？

c 、java、python都有，主流的opencv或者深度學(xué)習(xí)框架都支持上述語言的。但在實(shí)際產(chǎn)品落地時(shí)，如果與相關(guān)硬件對(duì)接的話，主流的攝像機(jī)等廠家提供的sdk或者api，主流還是c 、或者是網(wǎng)絡(luò)api

學(xué)習(xí)計(jì)算機(jī)視覺需要哪些知識(shí)儲(chǔ)備？

學(xué)習(xí)計(jì)算機(jī)視覺需要具備的知識(shí)儲(chǔ)備有：

1、圖像處理的知識(shí)。圖像處理大致包括的內(nèi)容：光學(xué)成像基礎(chǔ)、顏色、濾波器、局部圖像特征、圖像紋理、圖像配等。

2、立體視覺的知識(shí)。立體視覺大致包括的內(nèi)容：相機(jī)幾何模型、雙目視覺、從運(yùn)動(dòng)中恢復(fù)物體結(jié)構(gòu)、三維重建技術(shù)等。

3、人工智能的知識(shí)。人工智能大致包括的內(nèi)容：場(chǎng)景理解與分析、模式識(shí)別、圖像搜索、數(shù)據(jù)挖掘、深度學(xué)習(xí)等。

4、與計(jì)算機(jī)視覺相關(guān)的學(xué)科還有：機(jī)器視覺、數(shù)字圖像處理、醫(yī)學(xué)成像、攝影測(cè)量、傳感器等。

學(xué)習(xí)“深度學(xué)習(xí)”的課程，需要有哪些技術(shù)基礎(chǔ)？

“深度學(xué)習(xí)”的課程，需要有哪些技術(shù)基礎(chǔ)？深度學(xué)習(xí)，首先要學(xué)會(huì)給自己定定目標(biāo)（大、小、長(zhǎng) 、短），這樣學(xué)習(xí)會(huì)有一個(gè)方向；然后要學(xué)會(huì)梳理自身學(xué)習(xí)情況，以課本為基礎(chǔ)，結(jié)合自己做的筆記、掌握的薄弱環(huán)節(jié)、存在的問題等，合理的分配時(shí)間，有針對(duì)性、具體的去一點(diǎn)一點(diǎn)的去攻克、落實(shí)。

需要具備哪些基礎(chǔ)才可以如果未來要走深度學(xué)習(xí)方向的話，其實(shí)本科數(shù)學(xué)系的課程基本上夠用了，如果不夠的話，查缺補(bǔ)漏地看一些資料和書籍就可以了。不需要再去讀一個(gè)數(shù)學(xué)系的研究生學(xué)位。

推薦《Deep Learning》這本書。作者是 Ian 、Yoshua Bengio 和 Aaron 三位大牛。這本書的中文版于 2017 年 7 月 22 號(hào)上市。該書由眾多譯者協(xié)力完成?！渡疃葘W(xué)習(xí)》這本書從淺入深介紹了基礎(chǔ)數(shù)學(xué)知識(shí)、機(jī)器學(xué)習(xí)經(jīng)驗(yàn)以及現(xiàn)階段深度學(xué)習(xí)的理論和發(fā)展，不管是人工智能技術(shù)愛好者，還是相關(guān)從業(yè)人員使用這本書都是非常有好處的。另外，讀者如果想熟悉一些數(shù)學(xué)知識(shí)，本書也做了一些介紹，包括矩陣，導(dǎo)數(shù)等基本內(nèi)容。讀者可以從頭讀到尾。

《深度學(xué)習(xí)》這本書的一大特點(diǎn)是介紹深度學(xué)習(xí)算法的本質(zhì)，脫離具體代碼實(shí)現(xiàn)給出算法背后的邏輯，不寫代碼的人也完全可以看。為了方便讀者閱讀，作者特別繪制了本書的內(nèi)容組織結(jié)構(gòu)圖，指出了全書20章內(nèi)容之間的相關(guān)關(guān)系。讀者可以根據(jù)自己的背景或需要，隨意挑選閱讀。

全書的內(nèi)容分為 3 個(gè)部分：第一部分介紹深度學(xué)習(xí)的背景，提供預(yù)備知識(shí)，并包括深度學(xué)習(xí)基礎(chǔ)的概念和技術(shù)；第二部分描述深度學(xué)習(xí)計(jì)算的重要組成部分，還解釋近年來令深度學(xué)習(xí)在多個(gè)領(lǐng)域大獲成功的卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)；第三部分評(píng)價(jià)優(yōu)化算法，檢驗(yàn)影響深度學(xué)習(xí)計(jì)算性能的重要因素，并分別列舉深度學(xué)習(xí)在計(jì)算機(jī)視覺和自然語言處理中的重要應(yīng)用。

本書同時(shí)覆蓋深度學(xué)習(xí)的方法和實(shí)踐，主要面向在校大學(xué)生、技術(shù)人員和研究人員。閱讀本書需要讀者了解基本的Python編程或附錄中描述的線性代數(shù)、微分和概率基礎(chǔ)。