【杂谈】2020年有三AI计算机视觉培养计划详解，该不该学&怎么学CV的简单讨论...

对欲从业计算机视觉者说的话

计算机视觉技术诞生于半个多世纪以前，随着深度学习技术的成熟开始在很多领域大规模落地，以研究方向来说，大大小小至少数十个领域，我们公众号介绍过一些，大家也可以自己去了解。这里我重点想说的有几件事情。

(1) 计算机视觉技术饱和了吗？这是在2019年里被反复讨论的主题。

我的回答是，研究领域没有饱和，诸如3D图像，计算机图形学等领域甚至只能说初探其境，很多老问题如分类检测跟踪也在与复杂的现实场景做搏斗，很多底层问题如图像增强更是还止步于实验室环境中，别看文章写的漂亮，离产品落地差的很远，谈何饱和。应用领域则更是短期内不可能饱和，很多的行业都还等着计算机视觉技术去优化流程，降低成本。

所谓饱和，饱和的是浅尝辄止的心态，如果不求甚解，并不爱这个行业，那么我的建议就是劝退。

另外，关于算法工程师，请大家不要停留在算法工程师就是看看文章做做调参这个认知上，它要做的事情很多。搜集合适的数据，选定项目方案，模型优化部署，算法后续迭代，都不是简单的工作。

(2) 计算机视觉和自然语言处理哪个领域更好？这也是被新手反复提的问题。

我的回答是，这个问题就好像是学英语专业更好还是学计算机专业更好，不好对比。计算机视觉领域的应用比自然语言处理要多，发展也成熟很多，自然语言处理领域从业竞争者暂时会少一些，不过语音处理更少吧。长远来看，选职业跟选对象是一样的，日日面对，自然要遵从内心是否喜欢，因为这些行业都不是昙花一现的。

站在一个更大的时间跨度来看，21世纪人才英语和计算机都得学好，AI领域专业人才计算机视觉和自然语言处理都得学好。

(3) 达到一个什么样的水平可以去找工作？

我的回答是，这应该是取决于你想找一个什么样的工作，跟找对象也是同样的道理，大多数人是高不成低不就。一个行业发展渐趋成熟稳定后，从业者肯定是金字塔分布。

如果将这一行的从业者分为三个梯队，那么第一梯队是顶级研发人员，占比不会超过5%，大部分同志并不会成为其中一员，在没有三五年的积累后先不用考虑。

第二梯队是大中小企业的一线开发，占比至少在60%以上，所需要的技能是丰富的项目经验和扎实的编程能力，其中难点在于培养出对项目的敏感性，能够以较低成本不走歧路地完成项目。如何成为这样的人，第一步至少要先熟练掌握计算机视觉的基础算法，精读足够多的文章，从头到尾完整做过多个不同方向的项目。

第三梯队是非核心开发人员。很少有人一上来就担当大任，所以一开始入行往往是从这个梯队开始的，跟着别人做事学习，比如做数据分析与标注类工作。所需要的技能是扎实的编程能力和一定的算法经验，东西看的懂，用得对。

我们怎么做学习计划

对于学习，有三有几个想法，这也是我们季划重点包含的内容。

(1) 学习必须是系统和完整的。学习的目标是为了长期使用，那么必然需要系统性地掌握知识，往后才能够触类旁通。短期突击(如单个项目)或许可以通过考试，但是终究用处有限，而且迟早会暴露残缺的知识背景。

(2) 学习必须是长期和动态的。三个月甚至半年的固定学习周期是不够的，这还只能初窥门道，因此我们要保证长年累月的交流渠道是畅通的。学习资料是死的，人是活的，源源不断的问题根本就不是资料，尤其是录制好的音视频能解决的。

(3) 学习资料要丰富。学习资料形式最好同时包含视频和图文，囊括线上和线下交流，这样能够满足各类人群的需求，方便及时反馈问题。学习的本质是时间资源换就业资源，自然是有限的时间内获得最大的收获为好。

(4) 学习必须要完成闭环。学习的目标不是为了学习，而是为了使用。从掌握知识，到后续积累人脉和项目经历，甚至完成学生到老师的转变，越往后越有价值。我希望跟着我们学习的同学，能够持续在生态中获益，成为专栏/书籍作者，成为老师，成为项目负责人，甚至是合伙人。

综上，关于计算机视觉的学习，我们推出来“季划”的学习模式，总的来说有以下特点：

(1) 分难度依次增加的3个计算机视觉学习小组，即“春夏秋”三个等级。

(2) 有三作为唯一导师直接带领，囊括随时一对一答疑，微信群交流，线下活动，不少于一本书籍，图文课件与代码，一年免费的知识星球社区，所有学习视频。

(3) 不定期共享新的干货资源，如各类技术直播分享PPT和项目。

下面具体介绍各个季划的情况。

有三AI春季划

春季划是给以下选手准备的，目标是完全入门计算机视觉，培养后续能够独立进行该领域学习的习惯和能力。

(1) 深度学习/计算机视觉/图像处理零基础学生与转行的从业者。

(2) 深度学习/计算机视觉/图像处理基础薄弱，缺少实践，停留在网络视频课级别的选手。

(3) 不具备能完成从数据准备到模型调优全流程的深度学习/计算机视觉从业者。

(4) 未能熟练掌握图像分类，分割，检测，模型设计与调优的基本原理的选手。

所以春季划覆盖从“编程基础”，“开源框架”，“图像基础”，以及难度从低到高的深度学习实践项目(分类，分割，检测，模型设计与优化)，每一个知识点未必非常详细，但是核心要点力求包括，下面是一张项目相关的图供大家理解。

【详细了解春季划】这个春天，有三最后一月的学习“季划”招生

有三AI夏季划

夏季划是春季划的进阶，是给已经有比较好的计算机视觉基础的选手准备的，目标是较深入地掌握若干计算机视觉领域，培养独立完整的工程项目能力。

(1) 有较好的python编程基础，缺少C++编程经验，不熟悉模型的部署和优化。

(2) 缺少计算机视觉项目经验。

所以夏季划覆盖了“从检测到跟踪”，“从图像分类到GAN”，“三维人脸重建”，“模型剪枝与量化”的多个实践项目，覆盖了Caffe的完整源代码解读，定制，C++部署，Python小程序的前端，后端模型部署等内容。

下面是一张项目相关的图供大家理解。

【详细了解夏季划】有三AI“夏季划”出炉，今夏进阶中级CV算法工程师

小提示：大部分同学可以根据自己的情况选择春/夏季划之一即可，如果同时报名则春季划半价。

有三AI秋季划

秋季划是直接参照公司架构进行分组，分三大方向，模型优化，人脸算法，图像质量。当你在某一个领域里做到极致，便会成为该领域的专家，从此就真的有了立足之地，这也是最后一个季划，以后还会增加新的方向。注意：参加秋季划有以下基本要求。

(1) 熟练掌握Python，会使用C++编程。

(2) 至少能使用Caffe，Tensorflow，Pytorch三大开源框架。

(3) 扎实的数字图像处理基础，熟练掌握OpenCV。

(4) 扎实的深度学习理论基础。

【模型优化小组】需要掌握深度学习模型设计，调参，优化，部署。具体包括8大方向：数据使用，模型使用和调参，模型性能分析，紧凑模型设计，模型剪枝，模型量化，模型部署，NAS。

【人脸算法小组】需要掌握当前人脸图像领域的主要算法，具体包括8大方向：人脸检测，人脸关键点检测，人脸识别，人脸属性分析，人脸分割，人脸美颜，人脸编辑与风格化，三维人脸重建。

【图像质量小组】需要掌握与图像质量相关的内容，具体包括8大方向：图像质量评价，图像构图分析，图像降噪，图像对比度增强，图像超分辨，图像去模糊，图像风格化，图像修复。

【详细了解秋季划】有三AI秋季划出炉，模型优化，人脸算法，图像质量等24个项目等你来拿

报名联系有三微信Longlongtogo即可。

 

 

【年终总结】2019年有三AI做了什么，2020年我们要做什么？