CV创业前景一点看法

看到一篇“如何看待 2014年以来计算机视觉（Computer Vision）界创业潮？”很有意思，简单总结一下。

2012年左右接触的计算机视觉，更多的出于兴趣，其实对行业并不了解。2014年时自然也知道一些有名的创业公司以及他们真正做的事，包括人脸识别利用深度学习的方法终于有了大突破，刚看到这篇文章，也才真正意识到深度学习影响之广，让CV界很多问题的正确率都提升了一个层次。所以也才冒出这么多创业团队，认为改变世界的时机已到。其中不乏学术界的各路大神。但是也还是认为市场需求才是第一位的，学术上效果再好，但是离大规模实际应用还是有很大距离。更多可能是找一些细分领域的市场去攻关研究。而学术性太强的团队，可能不会太重视工程界的人才，所以学霸开的公司虽然很光鲜亮丽，最后却不一定能赚到钱。也许被收购是他们目前比较好的出路，像google\facebook等就收购了大大小小很多家公司，当然更多是为了把里面的大牛挖过去帮他们干活。光靠做技术的话，恐怕只有第一名才可以存活。比如人脸识别有很多家公司，靠一些小业务当然大概也能活下去，但要撑起一家大体量的公司是不现实的。这里说的第一名，不是指在LFW这些数据集上的测评，而是这个公司整体实力，尤其是业务能力和工程能力，以及找到足够大的市场。

传统的算法当数据集越来越大时，性能基本就趋向于饱和，而DL却随着数据集的增大，性能会不断上升，所以吸引大家去追求更好的结果。但就是这个更好的结果，看似的一步之遥，却可能会花费很多年。CNN提出来也有十几年了，但只有最近几年，DL才如此之火。2011年左右做DL的就那么些人，很多还没毕业，所以全世界都在抢这些人才。但实际上，也许正是因为DL是个新领域，所以容易出新的东西，到这几年往后，恐怕做DL的人会越来越多。现在CV的学生是沾了DL的光，很好找工作，往年却都是往软件、后台开发转才能找到好工作（这一点倒是我之前没意识到的，也对，工业上的视觉检测，和学术界的CV差的太远，真正能大规模自动化应用的，还是比较成熟的技术，学术界不想再研究的东西）。那么过几年，做DL的学生可能也要转型了，谁知道了。

         CV看起来很美好，新的数据和计算能力给了掀起浪花的机遇，但是浪花始终是浪花，能翻成惊涛骇浪吗？恐怕很多年前就认为前景美好，最终却难以实用。当然技术始终在进步，也许光用视觉不行，还需要和其他传感器结合，并且应该已经可以在有些领域有应用了，比如现在同样很火的AR领域，或者mobileye。