疫情已經轉好！3月春招即將來臨，該找工作找實習的可以做好準備了，本次介紹我們3月份給大家準備好的學習資料服務(注意：3月內結束所有領域的初步學習)。

對欲從業計算機視覺者說的話

計算機視覺技術誕生於半個多世紀以前，隨著深度學習技術的成熟開始在很多領域大規模落地，以研究方向來說，大大小小至少數十個領域，我們公眾號介紹過一些，大家也可以自己去了解。這裡我重點想說的有幾件事情。

(1) 計算機視覺技術飽和了嗎？這是在2019年裡被反覆討論的主題。

我的回答是，研究領域沒有飽和，很多老問題如分類檢測跟蹤在與複雜的現實場景做搏鬥，很多底層問題如圖像增強還止步於實驗室環境中，別看文章寫的漂亮，離產品落地差的很遠，諸如3D圖像，計算機圖形學等領域甚至只能說初探其境，談何飽和。應用領域則更是短期內不可能飽和，很多的行業都還等著計算機視覺技術去優化流程，降低成本。

所謂飽和，飽和的是淺嘗輒止的心態，如果不求甚解，並不愛這個行業，那麼我的建議就是勸退。

另外，關於算法工程師，請大家不要停留在算法工程師就是看看文章做做調參這個認知上，它要做的事情很多。蒐集合適的數據，選定項目方案，模型優化部署，算法後續迭代，都不是簡單的工作。

(2) 計算機視覺和自然語言處理哪個領域更好？這也是被新手反覆提的問題。

我的回答是，這個問題就好像是學英語專業更好還是學計算機專業更好，不好對比。計算機視覺領域的應用比自然語言處理要多，發展也成熟很多，自然語言處理領域從業競爭者暫時會少一些，不過語音處理更少吧。長遠來看，選職業跟選對象是一樣的，日日面對，自然要遵從內心是否喜歡，因為這些行業都不是曇花一現的。

站在一個更大的時間跨度來看，21世紀人才英語和計算機都得學好，AI領域專業人才計算機視覺和自然語言處理都得學好。

(3) 達到一個什麼樣的水平可以去找工作？

我的回答是，這應該是取決於你想找一個什麼樣的工作，跟找對象也是同樣的道理，大多數人是高不成低不就。一個行業發展漸趨成熟穩定後，從業者肯定是金字塔分佈。

如果將這一行的從業者分為三個梯隊，那麼第一梯隊是頂級研發人員，佔比不會超過5%，大部分同志並不會成為其中一員，在沒有三五年的積累後先不用考慮。

第三梯隊是大中小企業的一線開發，佔比至少在60%以上，所需要的技能是豐富的項目經驗和紮實的編程能力，其中難點在於培養出對項目的敏感性，能夠以較低成本不走歧路地完成項目。如何成為這樣的人，第一步至少要先熟練掌握計算機視覺的基礎算法，精讀足夠多的文章，從頭到尾完整做過多個不同方向的項目。

第三梯隊是非核心開發人員。很少有人一上來就擔當大任，所以一開始入行往往是從這個梯隊開始的，跟著別人做事學習，比如做數據分析與標註類工作。所需要的技能是紮實的編程能力和一定的算法經驗，東西看的懂，用得對。

關於春招我們的指導計劃

當你在某一個領域裡做到極致，便會成為該領域的專家，便會有自己的立足之地。在深度學習&計算機視覺領域中，目前工業界落地的產品和人才分佈主要就在三大方向，模型優化，人臉算法，圖像質量。

(1) 模型優化。既有專門從事前沿的算法研究人員

(2) 人臉算法。人臉是整個計算機視覺中應用最廣的方向，從早期的檢測識別，到如今的各種人臉編輯。學習好人臉算法，自然也可以泛化到其他類似領域，比如動物臉，物品識別等。

(3) 圖像質量。圖像質量是整個計算機視覺領域中非常底層的內容，它專注於分析圖像的底層信息並進行提升，在在線直播，攝影等領域中有非常廣泛的應用。

本次針對性指導脫胎於有三AI秋季劃，所有內容的第一階段學習將在3月份完成，即完成所有方向的瞭解和基本實踐，後續則保留群做永久學習。

下面我們對各個組進行介紹。注意：參加該組須滿足以下基本要求，如不滿足請自行彌補基礎或參加有三AI春/夏

(1) 熟練掌握Linux和Python，會使用C++編程，瞭解CUDA編程。

(2) 至少能使用Caffe，Tensorflow，Pytorch三大開源框架。

(3) 紮實的數字圖像處理基礎，熟練掌握OpenCV。

(4) 紮實的深度學習理論基礎。

(5) 準備好GPU，如果沒有可以臨時租用有三AI平臺的GPU，或者進組後大家進行合租，沒有GPU有一些實戰無法進行。

模型優化組

模型優化小組的目標，就是掌握深度學習模型設計，調參，優化，部署。需要學習的東西包括8大方向：數據使用，模型使用和調參，模型性能分析，緊湊模型設計，模型剪枝，模型量化，模型部署，自動模型設計(NAS)。

數據使用

數據使用項目包括：

(1) 如何針對自己的任務蒐集，整理數據

(2) 如何對數據的質量進行分析

(3) 如何選擇好數據的尺度

(4) 圖像分類等基本任務中的數據增強實戰

模型使用和調參

模型使用和調參項目包括：

(1) 如何針對自己的任務選擇好基準模型架構

(2) 如何設計和改進模型

(3) 如何對模型進行訓練調參

模型分析

模型分析項目包括：

(1) 如何對模型進行可視化

(2) 如何對模型的計算量和參數量進行分析

緊湊模型設計

緊湊模型設計項目包括：

(1) 如何壓縮大模型

(2) 如何設計小模型

(3) 如何保障小模型的性能

模型剪枝

模型剪枝項目包括：

(1) 模型剪枝理論學習

(2) Tensorflow等模型剪枝開源框架使用

模型量化

模型量化項目包括：

(1) 模型量化理論學習

(2) Tflite/TensorRT等模型量化工具的使用

模型部署

模型部署項目包括：

(1) Caffe的熟悉和使用

(2) ONNX的熟悉和使用

(3) MACE/MNN的熟悉和使用

自動化模型設計(NAS)

自動化模型設計項目包括：

(1) NAS基礎理論學習

(2) AutoKeras等NAS工具使用

人臉算法

人臉算法小組需要掌握當前人臉圖像領域的主要算法，學習的東西包括8大方向：人臉檢測，人臉關鍵點檢測，人臉識別，人臉屬性分析，人臉分割，人臉美顏，人臉編輯與風格化，三維人臉重建。

人臉檢測

人臉檢測項目包括：

(1) 通用的人臉檢測算法，掌握大姿態，遮擋，小臉檢測技術原理

(2) 人臉檢測項目實踐

關鍵點檢測

關鍵點檢測項目包括：

(1) 通用的人臉關鍵點檢測算法，大姿態，有遮擋的關鍵點檢測算法，人臉關鍵點跟蹤算法原理

(2) 人臉關鍵點檢測項目實踐

人臉識別

人臉識別項目包括：

(1) 通用的人臉識別算法，遮擋，跨年齡的人臉識別算法原理

(2) 人臉識別項目實踐

人臉屬性分析

人臉屬性分析項目包括：

(1) 人臉表情，顏值，年齡等算法原理

(2) 人臉屬性分析項目實踐

人臉屬性分割

人臉屬性分割項目包括：

(1) 圖像分割模型設計和優化方法

(2) 人臉屬性分割項目實踐

人臉美顏與美妝

人臉美顏項目包括：

(1) 通用美顏技術如磨皮美白，大眼，瘦臉以及化妝算法原理

(2) 人臉美顏項目實踐

(1) 通用的編輯技術，如表情遷移，姿態遷移，換臉等

人臉重建

人臉重建項目包括：

(1) 傳統優化和深度學習三維人臉重建算法原理

(2) 三維重建項目實踐

圖像質量

圖像質量小組需要掌握與圖像質量相關的內容，學習的東西包括8大方向：

圖像質量評價

圖像質量評估項目包括：

(1) 圖像質量評估，美學評估算法原理

(2) 圖像質量評估項目實踐

圖像構圖

圖像構圖分析項目包括：

(1) 顯著目標檢測與圖像構圖算法原理

(2) 圖像構圖/縮略圖生成項目實踐

圖像降噪

圖像降噪項目包括：

(1) 傳統圖像與深度學習圖像降噪算法原理

(2) 圖像降噪項目實踐

圖像對比度與色調增強

圖像對比度增強與色調增強算法項目包括：

(1) 傳統圖像與深度學習圖像增強算法原理

(2) 圖像增強項目實踐

圖像超分辨

圖像超分辨項目包括：

(1) 傳統圖像與深度學習超分辨算法原理

(2) 圖像超分辨項目實踐

圖像去模糊與銳化

圖像去模糊與銳化項目包括：

(1) 傳統圖像與深度學習圖像銳化和去模糊算法原理

(2) 圖像去模糊項目實踐

圖像風格化

圖像風格化項目包括：

(1) 傳統圖像與深度學習圖像風格化算法原理

(2) 圖像風格化項目實踐

圖像修復

圖像修復項目包括：

(1) 傳統圖像與深度學習圖像修復算法原理

(2) 圖像修復項目實踐

學習方式

1，學習形式

第一階段學習：

3.1號開始，至3.31號結束，每週兩個方向，需要完成推薦資料的閱讀和項目實踐，具體資料包括：

(1) 與項目配套的錄製視頻(有三所錄)。

(2) 與項目配套的開源資料。

(3) 與項目配套的代碼數據。

(4) 永久有效的相關微信群，每週各個方向一次微信群直播，其餘時間自由討論。

(5) 有三AI知識星球社區。

2，學習建議

報名模型優化+人臉或者模型優化+圖像質量組，不建議報三個組。所有的內容都是先學習理論，再進行實踐，有推薦的學習路線和時間。

3，後續學習

雖然學習有明確統一的時間規劃，但是其實要想做好每一個方向，一個月肯定是不夠的，後面永久存在的技術討論群，有三的答疑，有三AI知識星球才是最有價值的，類似於以前有人盜取/倒賣有三AI的資源，其實只不過得到皮毛。

報名細則

(1) 每一個小組參與費用999，同時報名兩個1800，學習時間終身有效

(2) 贈送有三AI知識星球和有三所寫的一本書籍

(3) 原有的春，夏計劃成員可以半價參與任意多個項目

就是這樣，感興趣聯繫有三微信Longlongtogo。

閱讀更多 有三AI 的文章

關鍵字: 電腦 人工智能 算法