AI 显然是最近几年非常火的一个新技术方向，从几年前大家认识到 AI 的能力，到现在产业里已经在普遍的
探讨 AI 如何落地
了。

计算机视觉目前在很多领域都已经实现了商业应用，从现实市场规模角度，目前人脸识别和视频监控应用远远大于其它应用总和。
有一定市场规模的应用还有：文字识别，工业视觉，手机拍照美化，辅助/自动驾驶，医疗影像（CT/MRI重建）。
由于CV相比其他领域来说，简单易学在加上模型成熟，吸引来大量的学生和从业者的涌入。
所以很多人担心，计算机视觉会不会太内卷了，现在投身进入是否是一个明智的选择。
从普遍意义上说，在人工智能时代的浪潮中，作为计算机相关专业的学生，无论是选择继续科研还是进入工业界，计算机视觉都仍然是一个既有广泛的应用前景（钱景）。
画外音：深度学习框架的使用门槛很低，不代表视觉的门槛低，计算机视觉的目的是通过图像等感知器数据去更好的理解世界以推动社会的进步，这是一个远远没有达到预期目的的领域，还有很长很长的路要走，是一个可以把一生都投放进去的方向。这个领域虽然突然多出来很多新人朋友，但是对真正的人才仍然处于极度饥饿的状态，非常需要更多有决心、有毅力的朋友加入。
但不可避免的是，未来对从业者的要求也更高了，跑跑开源调调参数的工程师当然过剩，但懂如何在现有系统中发挥AI价值的工程师非常缺。
而水一大堆修修补补，工程技巧性论文（顶会也很多水），既没有挖新坑，也不去解决现有方法根本性问题的研究者也是严重过剩的。
今天介绍一位朋友—王小天，目前就职于BAT之一，AI算法高级技术专家，法国TOP3高校双硕（计算机科学和数学应用双硕士）毕业。
他工作期间主要负责人工智能业务线CV与NLP相关算法工作，推进人机混合智能、语义分割、机器翻译、虹膜识别等模块的核心算法研究与优化。
对图像分类、物体检测、目标跟踪、自动驾驶、计算机体系结构等有深入的研究。
由于他本人也是大厂的面试官，在面试过程中他发现，很多人连最简单的图像处理算法的数学原理和实现都不知道，大部分其实都是搞深度学习，自诩『调参侠』。
并且现在有了深度学习，不需要人为提取特征了，很多人不再关注图像底层的信息，而是直接越过这个根基去搭建模型，其实这是一个误区。
不同领域的图像，例如OCT、MR、遥感、自然图像等等，有着巨大的特征差异，对这些特征差异性都不了解，怎么在搭建模型之后对精度进行提升和改进呢？怎么在原来模型的基础上做一些改变呢？
所以，好好学习一下图像预处理、后处理的知识对CV有着至关重要的作用，例如图像去噪、分割、增强、增广等等。
他在人工智能和芯片领域发表10余篇论文，具有深厚的学术背景和丰富的项目及业务落地经验。在人工智能发展早期就开始摸索和研究，也深知初学者学习痛点，兼具理论与实战落地经验，说实话，这样资历的人，很难得。
他对学习者的建议：计算机视觉的提升不在于搭建模型，而在于不断调优、改进过程中积累的经验。
为了帮助大家入门进阶CV，他录制了一套卷积神经网络、目标检测、OpenCV教程并开源分享出来，这套教程从检测模型教学逐步深入，帮你轻松掌握目标检测，轻松提升CV算法核心能力。
由于工作需要，这份教程我本人也在学习中，虽然已经从事这个行业多年，再看这份教程的时候，仍然能查漏补缺，收获满满，我相信不管是AI入门，还是已经具备了一定的工作经验，这份学习资料，都值得你去认真学习研究。
上次已经给大家推荐过一次，但微信有限制每天只能加100个人，很多人反馈没有领到，这次又申请到了100个名额，速度领取，手慢无！
👇长按下方二维码 2 秒

立即领取
（添加小助理人数较多，请耐心等待）
所有以上相关的的内容全部都已经打包好了，汇总成了一份百度云的链接，小贴心之处是怕有的兄弟没有买百度云会员的朋友，能用2MB+/S的速度下载，还特地给大家准备了下载工具。
继续阅读
阅读原文