深度学习计算机视觉求职面试

AI是目前就业中前景最好的几个领域之一，工作听起来高大上，工资很高，是不是有一种“名利双收”的感觉？
很多的同学也想进入AI行业，就开始进行相关的搜索，机器学习、深度学习…这些词汇最先进入到各位的视野。然后就开始搜索如何学习，一看到机器学习的算法，就被那些数学公示给难倒了，我当年也是这么干的，但是凭着数学功底还有一些硬挺了好久。
那些公式推导的我也是晕晕乎乎的，简直有点怀疑人生。但是我没有一条道走到黑，我就想找点代码看看这些是怎么实现的（理论很重要，但是现在的框架和库都将算法封装好了，我觉得不是做新算法研发的同学可以不用深究算法）。后来开始研究到了深度学习，这里没有机器学习那么多的复杂公式推导，因为有一定的图像处理基础所以选择了计算机视觉这个分支。
选择一个就业方向还不是为了“修福报”，马老师说的好，员工离职无非两个原因，“钱没给到位、心受委屈了”，但是第一条的明显居多。那我们选择计算机视觉方向，来看看各个平台给多少钱呢，下图就是在某招聘网站上找到的招聘信息，薪资待遇好的不得了。

这么高的工资，要求各位应聘的同学具有什么样的素质呢？我们一起来看看招聘要求。

总结起来主要是以下几点：
1、掌握常用的计算机视觉算法：图像分类、目标价测、图像分割等；
2、掌握常用的图像处理库：OpenCV等；
3、掌握深度学习框架：Tensorflow、Keras等；
4、有模型部署经验（或称实践经验、算法落地经验），包括模型优化（压缩、量化）。
看起来是不是觉得好难呢，No，No，No…
因为这些内容已经在这本书里面全面讲述了：

让我们来看看这本书的目录吧，就知道这和找工作是多么的“无缝对接”。

***整本书的内容总结起来就是以下四个部分：

第一部分包括第 1、2 章，主要讲解深度学习基础和计算机视觉基础。本部分讲解计算机视觉领域的经典网络，这些网络是很多视觉算法模型的主干网络，用于特征的提取；还讲解常见的目标检测算法，有关的算法论文在介绍时都有指出，读者可以查看论文原文，了解更多的算法细节。

第二部分包括第 3～6 章，主要讲解基于OpenCV库的图像处理知识。对每个知识的作用点进行分析，说明OpenCV 中 Python 和
C++接口的详情，并给出多个应用案例，让读者能够清晰地看到图像处理的效果，增加对知识点的理解。

第三部分包括第 7～11 章，主要讲解计算机视觉中的实战项目。这些应用是计算机视觉方向的常见任务，有很多开源代码可供参考。本书在讲解时依照相同的结构讲解，包括数据预处理、网络搭建和模型训练三个模块，这些算法模型经过转换之后的应用效果在本书中也有介绍。在进行项目介绍时，本书对代码做了详细的注释，对于实现细节也做了追本溯源的讲解，让读者能够理解设计意图。

第四部分包括第 12、13 章，主要讲解模型的落地部署。本书基于 TensorFlow Lite 进行模型部署的讲解，选用此框架一方面是因为
TensorFlow 的受众较广、热度很高；另一方面是因为该框架在各平台都有对应的支持与优化加速，性能较高，文档完备，比较容易使用。本部分讲解部署中的模型转换、模型优化、部署中可能遇到的问题及解决办法，这些都是我在工程应用中的经验总结，遇到的问题也是在部署过程中亲历并顺利解决的，在此讲解是希望帮助读者少走弯路，以最小的代价实现自己的需求。***

四个部分的内容涵盖了现在计算机视觉算法工程师招聘的岗位要求，读者在阅读本书的时候，可以在理解案例代码后，研究知识点对应的原理，相信每位认真研究本书的同学都可以在计算机视觉领域大展拳脚，找到自己心仪的工作。