作者:
Wardyal (Wardyal)
2023-02-06 17:27:54如題 本身大學研究所都是做CV的
研究基本上也不外乎什麼AI的辨識、偵測
甚麼DeepLearning的
不過我本身對AI研究方面沒啥興趣
對CV倒是還可以接受
剛剛看了一下104
現在做CV的公司是不是大多都綁AI阿
做AI方面的職缺是真的跟碩班一樣
整天在看paper 然後報告
還是有比較著重實務 把AI的Tool來用
應該都是當tool來用吧 但是要有人去train它AI很強啊 不然要手工去寫啥特徵點偵測嗎 很難吧應該是DL很強，用啥SVM可能還是要設計啥HoG之類的
作者:
Wardyal (Wardyal)
2023-02-06 17:53:00應該說有點排斥一天到晚在看、報論文才排斥AI所以業界主要還是以實物為主嗎 有點好奇
可以找應用寫code的 應該不用看論文 多的是博士在搞
作者:
Wardyal (Wardyal)
2023-02-06 18:18:00了解
作者:
yiche (你若安好，便是晴天)
2023-02-06 19:01:00也有傳統數位影像處理呀 不過內容很數學喔
作者:
Wardyal (Wardyal)
2023-02-06 19:37:00喔喔 好吧
業界做AI CV就是一直implement最新paper 的東西啊現在基本上各領域DL 方法都領先傳統 handcrafted除非要部署在edge device 有運算上的限制 不然基本上都用DL的方法
作者:
MoonCode (MoonCode)
2023-02-06 23:07:00把 CV 跟 AI 做分類很奇怪
作者:
Ofianse (大便人)
2023-02-07 01:45:00我先猜業界都在落地 少有資源研究新方法
作者:
q00153 (TB)
2023-02-07 06:11:00我碩論就純 CV 找晶片缺陷，大概三年前寫的
作者:
DrTech (竹科管理處網軍研發人員)
2023-02-07 07:46:00分開看真的很奇特。即使做AI，影像的前處理，後處理，還是傳統的CV與數學。即使做傳統CV，後面應用也一堆統計機器學習模型,DL還只是工作的一小塊。除非你走學術界，做產品的根本很難拆開傳統影像處理與ML，DL其實很簡單，你去找有做產品對外販售的，就不只是DL了。
CV可以分成鏡頭矯正的軟韌和影像的辨識演算法，台灣硬體晶片廠前者的缺還是多數，不會用到DL，以C++撰寫傳統算法為主。但凡牽扯到應用層面，DL基本上跑不掉，只是落地要考慮硬體是否支援深度模型所有運算子以及memory是否足夠。
作者:
alan5 (小安)
2023-02-07 10:43:00你就想想只做cv是怎麼賺錢這樣就好
作者: rereterry (rereterry) 2023-02-07 11:53:00
其實現在大一點的團隊拆分蠻細的，有完全應用端的，讀paper跟轉化AI都是專門的人，其他人則可能是部署串接跟相應功能開發
作者: MonyemLi (life) 2023-02-07 13:49:00
大多說ai都是ai操作者，這種學習時間成本不高。但cv沒ai訓練包會回好幾年前。從業人數越來越多的今天，進步飛快但你高興就好
作者:
GoalBased (Artificail Intelligence)
2023-02-07 15:48:00車載不少
作者:
azsx14520 (azsx14520)
2023-02-07 19:18:00Robotics 應用很多，但主流還是往ai做了
影像和CV原則上不一樣 影像處理有一堆基於數學的東西可以做 CV要做得好現在都靠AI了當然業界不一定分工那麼清楚 取決實際需求和人手
作者: eaton1202 (面對未來的沉思) 2023-02-09 02:25:00
之前面試一些CV算法職缺給我感覺是傳統影像處理相關還是偏多