如何系統性的了解計算機視覺/圖像處理的現狀和業界研究方向？

01-06

題主是初碰圖像方向的程序員，以前存粹搞開發，現在慢慢接觸圖像處理/計算機視覺，對基礎的圖像操作如縮放、去噪、形態學等有了解，比較熟悉opencv。
想比較系統性的了解業界現狀和方向，如何能比較有效率的收集這些信息？

thanks ！

這個問題我傾向於分兩方面回答：了解方向現狀和學會，注意這兩個之間沒有特別必然的聯繫。

1.【了解現狀】沒有什麼好說的，看論文，之前有人提到了，CVPR啊什麼的頂級會議，去看就好了，但有個細節注意下，不用下他說得那樣有基礎，為什麼，因為其實那點基礎對你幫助不大，終歸都是看趨勢

2.【學會】想學會就不要大量看論文，看書，記得這樣一句話：論文上的東西，3、5年之後可能都已經過時了，但留在書上都都是經得住考驗的，過很多年也縮水不多的。技術這個東西，你不要把它看成【工具箱】，裡面有很多個不同的工具，什麼深度學習啊、SVM、稀疏啊都是可以用的工具。這個觀點會延誤你的學習的。推薦的觀點是，把技術看成是【原理】和【方案】。

原理是什麼？很多搞這個的都分不清，其實我問一個簡單的問題就可以了：

我們一直都在用【方差】表示誤差，為什麼是平方和，而不是絕對值和或4次方和？

如果你立刻就能答出來是因為高斯分布，那很可能就代表你明白了大部分相關的學習方法的根本性原理了。

這就是【原理】（中最簡單的一個），主導者各種演算法的基礎，也是讓你學習新演算法時輕鬆愉快的基礎。這通常分成了兩個大的部分，【模型描述】和【求解】，術業有專攻，到在這裡，一般的研究生可以根據背景二選一作為主攻，另一個只做充分了解了。

【方案】方面，就是那些被人們整理成型的，具有直接應用價值的辦法，就好像編程中學到的&<快速排序演算法&>，是個成型的方法，是分治等一些列原理的集合體。方案上，我們可以得創新非常多，有些是通用的，這些最終會留在教科書上，比如SVM；有些是領域相關的；而有些，就是具體問題相關的，當然，絕大部分論文的創新，其實就是針對具體環境的方案變化。

當然，最後還有【應用】這個有趣的方向，其核心知識除了CV本身，還有」工學素養「這樣比較靠積累（也比較玄乎）的東西，這裡就先坑著了，如果有機會再來填坑。

3.【畢業、論文】這個單獨拿出來提一下，為什麼，因為【學會】就像小說裡面的內功，你研究生畢業的時候，這個內功未必能發揮出多少威力，到時候你畢業成問題找我就不好了。這裡推薦的辦法是之前看到於仕琪（不認識？看看你OPENCV書的封面就知道了）帶學生時候的方法，我覺得不錯，這裡稍作調整拿來分享：拿一篇優秀的、和你要做的方向一致的論文，完完全全、一模一樣的實現出來、並充分的調試、測試。期間不要想什麼創新、改進，先去理解作者每一步到底是為什麼。然後？然後他的學生自然就找到了【合理的】改進方案，自己寫論文去了。

為什麼要這樣？因為，看論文就和看開源庫一樣，一般水平的人根本不可能看懂門道，你看到的也幾乎不是問題的核心。靠這樣學習就是自欺欺人。你不親自實現一次、親自在各種情況下測試一次，是學不會的。

The Computer Vision Industry

這個網站總結了幾百個圖像處理與計算機視覺方向的公司，並且按照人臉識別，眼球追蹤，交通等許多方面分好了類，你可以一個一個點開看，然後就大概知道現在行業都是在做些什麼了。

最近發現好像這個網站打不開了，這裡有另一個，Computer Vision companies，一樣也是按類總結了CV方向的公司。

沒有比較有效率的方法，只有笨方法。

先系統學習基礎知識，至少要讀一些教科書，全面了解這個領域的一些基本概念。如果你只了解基礎圖像操作，對於系統性地了解業界現狀和方法而言，是不夠的。

等你有了基礎知識，那麼就可以刷論文了，英文論文。由於你要了解業界研究方向，那麼應該看的是最先進的技術，所以，就要去看頂級的計算機視覺會議上的論文，比如CVPR, ICCV, ECCV之類。論文不一定要讀完，因為你肯定讀不完，只是為了了解大致研究方向的話，讀讀摘要就可以了。

PS: 如果是工業界的現狀的話，以上方法不適用，我也不知道合適的方法。

CV界的三大會議：CVPR、ICCV、ECCV。這三個會議的論文非常多，有個網站http://cvpapers.com把近年來的paper匯總了一下，可以參考。另外如果想了解最近的發展趨勢，不如看一看近年來三大會議的workshop，尤其是industry track的，會很有幫助。

ICCV，ECCV，CVPR這幾個會議的近幾年的文章拖下來，掃一遍題目和abstract，大概就能知道熱門的研究方向了。想要系統性的了解就要多花時間了，看看經典教材，或者MOOC上的課程。