@HaozanLiang 感谢指正~~

计算机视觉有2个方向：基于深度学习的和基于几何方法的。
基于深度学习的：文字识别、图像识别、人脸识别、视频内容理解、医疗影像诊断、神经网络芯片、驾驶辅助等。
基于几何方法的：虚拟现实、增强现实、三维重建、机器人、无人机、无人驾驶等。
计算机视觉还有个邻居——机器视觉：工业视觉监测、工业视觉测量、工业控制等。
ps：不用感谢我，我只是互联网的搬运工 ~

@muzhifeng10 应该是可以的，你可以去尝试复现

@muzhifeng10 学习的前提是有相关特征可以学习，所以目前的思路是找到相关的特征迁移到目标图像，完全未知的情况，也是目前的一个难点吧

@muzhifeng10 目前超分辨这块的主流思路还是通过学习高分辨图等已知信息，然后迁移到目标图像里去，所以也不算画蛇添足吧

@hj2421383883 原作者厉害哈~

@yandong 谢谢学长答复，那你去年没有参加笔试吗？然后总共面试了5轮？那两轮之间，多久会发出通知进入下一轮呢？总共持续了多长时间呀？

您好，请问面试流程一般是什么样的呢？ 需要经过几轮面试或者笔试呢？

感谢分享!

感觉像是 python 里面的画图工具matplotlib ，其实matlab也能画出这样的效果的

厉害了，这个牛逼啊～

@三井 管理员已经补充了百度云下载链接～～

厉害，支持大佬~

@Amusi 嗯嗯 看了大佬的分享，很厉害~膜拜

视觉算法岗位竞争越来越大，AI算法岗究竟关注什么呢？ 对于普通的CV学习者来说，是否去学点其他的结合算法知识会更吃香？ 但是这个其他的点是否可以推荐推荐~

赞，貌似图片有问题，是我的显示问题吗 :sob:

感谢~

补充1个~

IDRiD 眼底图分析竞赛，讯飞病灶分割比赛优胜团队技术方案

比赛页面：https://idrid.grand-challenge.org/Data/

赞一个，对CornerNet 这个模型还挺感兴趣的

辛苦整理哈~ 收藏

我觉得有几点比较有意思：


第一，他们用了特征可视化来判断网络是否学到了有价值的东西；也可以判断问题的定性，比如通过可视化来判断是直接分类还是用检测或者分割；还可以判断数据标注是否有问题，有助于问题的定义。

第二，用了mean-teacher半监督学习方法。

第三，设计了net2net的网络。



但是马博对于小样本的看法我有所保留