1樓：呦西呦西
看了眾多人的回答，活該工資低，大多數人都是以一種偏執的單一角度看問題。為什麼要糾結學哪個？成年人全都要。
計算機視覺要，FPGA也要。逼急了老子直接從演算法設計到FPGA實現擼一遍。
2樓：
同樣通訊轉CS的，為什麼不想著把基礎課補全？考研分數也不錯，說明數學底子也挺好，也可以不做計算機視覺，換去做更加通用的演算法。
3樓：
老闆和同事現在不還沒有開始對你有意見嘛。那就繼續苟著學唄。等他們有意見的時候再說。
他們有意見的時候，你去面試一番，面個和你最終目標職位更加接近的職位，然後在那裡繼續苟著學唄。
實際上，既然你能苟住頭三個月，你就能一直苟下去。怕就怕你終於學到差不多可以轉行的時候，又有了新的風口，然後你又開始了新一輪的學習，這樣永無止境的學了下去，最後在自己的工作崗位上面也划水嚴重，沒有深入，這就不太好了。
4樓：無覓
我比題主你還慘，沒有一點微電子，計算機專業背景。
我本科碩士是數學。
後來先轉行做影象處理，OpenCV的重度使用者。
後來又開始做了一點點RCNN。
現在了？
有計畫把某個開源的CNN模型寫進FPGA。
我之前在工作上學習FPGA的時候，對CPU這塊產生了濃厚的興趣 . 所以我私下裡又開始自學起RISK-V指令集。目前還在看胡振波的教你設計CPU.
我覺得我需要學習的真的還有很多很多很多。
我未來兩年的遠期計畫是，自己用一顆fpga核寫乙個簡易版的cpu作為邏輯控制單元，然後用另外乙個fpga核寫乙個影象演算法的計算單元。然後將兩顆核整合在乙個PCB版上面。
這個是根據公司未來產品研發計畫，自己設計的高階路線吧。兼顧了工作和自我的學習需求吧。
5樓：
作為CS科班的只能給你乙個小反差，就是學這個動詞的意思。CS過了基礎課之後，基本就沒有教和學這兩個動作了，你工作的每個環節都是在學，你接觸的每一片資訊都是在教，難道你在指望那種課堂式、師徒制的教學培訓過程嗎？不存在的。
這和CS沒關係，你就是沒工作過而已。你現在糾結的那些事，十年後就不會糾結了，不是因為你掌握了什麼竅門，而是你習慣了、放棄鑽這個牛角尖。我比較討厭別人面試時說自己來公司是真心覺得「自己有很多不足，需要多多學習」的，hire你不是叫你來學習的，是叫你開發產品、產生價值的。
說回來，OpenCV不就是乙個使用者庫啊，就是被設計得要便於大家使用的乙個工具而已，跟word excel一樣，入手的門檻沒你想得那樣。我要的功能如果OpenCV不提供，那就自己寫的差不多的，重心在我的需求而不是乙個庫怎麼怎麼樣用出花兒來。CUDA也是乙個工具型產品，學習使用這些商業產品的學，和學高數學、CS基礎課、學計算機影象處理、學圖形學的學完全不是一回事。
前者跟看烤箱的說明書更像，烤個烤肉能化多少精力，過幾個月換了別的牌子烤箱，是不會糾結之前烤箱的說明書白看、肉白烤了這種事的。看說明書的艱難程度，只和你的識字率有關，和你之前烤了幾片肉沒關係。
同樣，掌握FPGA的基礎設計知識，從CS角度來講也不算是學，而是在使用他人的乙個產品。你學的累說明他們家的產品很差，你能輕鬆掌握也不是你NB。比如vhdl之類的語言語法不過是花拳繡腿而已，我看個45分鐘也能寫複雜的多task邏輯，但就算能編譯通過，設計電路的常識和經驗，CS是沒有的，所以我只能把教程上的是做一遍而已，並不知道自己在幹什麼，也不知道自己最終要什麼，產生什麼新價值。
隔行如隔山的區別，就是這種意識的差別，資訊時代能讓你在表層學點其他行業的皮毛，但實際你知道你在做什麼嗎，你知道你要什麼嗎。
6樓：JoJo
我個人感覺，你的自學能力並不能算不錯，自學能力我個人認為應該是指自己能完全從0到1建某個領域的大概知識框架，建立知識層級結構，知道哪個知識點是後面知識點的基礎，一點一點從低階到高階推進。從你的描述中，你現在覺得自己要學的東西太多，很亂，因此不像是已經有了良好規劃。而你之前提到的考研，考研已經告訴你知識框架了，考點也告訴了，你就跟著大綱學就行了。
而現實中，你需要自己給自己畫出來乙個大綱，如果這個大綱畫的有問題，你學習的效率就會受到很大影響，甚至止步不前。我認為，你現在年齡已經29了，即使想要把所有知識基礎建立起來，也需要一年到兩年時間，還是快的，因為你資料結構這些東西也不懂。而且你如果想搞演算法，以後事業想要更進一步，頂會還是需要的。
所以，你應該把你的目標縮小，專注乙個稍微小一些的領域，不要再搞cv這麼大的範圍了，最好能找乙個和自己擅長的領域有些相關的方向去做。
7樓：
看了樓主的提問，一句話：面向工資程式設計！
我的經歷其實和up正好相反，普通研究僧，就職於某航天單位，以前是做嵌入式軟體以及機械人SLAM開發的，現在天天接觸的都是FPGA，說句實話，FPGA既是硬體又是軟體，因為它自身的特點，應用範圍真的很侷限，軍工、通訊行業最多，雖然人工智慧助推了一波兒，但在FPGA上實現演算法的難度一點兒也不比計算機cv低，並且這個領域從業人員稀少，跳回來風險很高！
總之，一句話：面向工資程式設計！我已經打算跳回計算機了，你說呢
8樓：
OpenCV 作為乙個lib 理論上應該做到看example 完成你的任務；
CUDA 寫得好確實要多花些時間；
邊學邊賣是常態，沒有多少吃已有技術就能解決的演算法專案。
9樓：
這傻孩子，公司給你發錢讓你學東西，高興還來不及呢。
不用公司裡的人教你，網上那麼多公開課，比公司裡的人教的好多了。數字影象處理，機器學習，深度學習，Python，c++，演算法/資料結構，作業系統，編譯原理，挨個擼唄。這些課都可好玩了。
學到了新技術，就往工作裡面用。什麼技術高大上就用什麼，管它實用不實用，一邊學一邊用，面向學習程式設計。
等這些都學會了，你就成大神了，基礎又好，又有工作經驗，換個工作工資翻兩番，美滋滋。
10樓：Vigor
我的建議是應該去做自己想做的。才29歲而已，在現在這個社會算是很年輕，試錯成本低。既然當前領域做的不爽，那就可以去試試FPGA。
雖然說現在CV、AI什麼的很火，如果不適合你，為什麼要折磨自己。
11樓：卡本特
完全沒必要啊，反而我覺得你有這樣的經歷是乙個很好的事情。
現在計算機視覺的邊緣計算是乙個趨勢，不管是傳統的行業例如安防，還是新興的行業例如自動駕駛，計算機視覺都有一種邊緣化計算的趨勢。以後部署深度學習的平台會逐步往嵌入式方向發展的，FPGA或者AI晶元絕對會崛起。你有過電子硬體基礎，這樣將兩者結合起來做，非常有前景。
懂深度學習，懂硬體底層架構，神經網路部署加速絕對是乙個非常好的方向。
12樓：將軍未掛封侯印
個人不建議轉，首先你在cv方向也下過功夫進行了學習，看你考研分數挺高的，自學能力應該很不錯，堅持下去一定會取得大的收穫，其次目前cv和機器學習火的不能不再火了，很多人都在往這邊轉，朝錢你也不能放棄，再說說fpga，博主只有一點基礎，用人單位對於這種崗位都是要有工作經驗作為支撐的，像你這種公司能給的崗位和時間都很少，而且短期工資不會很多，順便問一下博主最後讀研了？這麼高的成績
13樓：
題主還學的動的話可以都掌握啊。。
依我看題主當務之急是要找乙個已經有技術積累和有基礎團隊的公司，不要乙個人奮戰，畢竟題主才剛剛開始，沒有big picture又要自己做自己的領路人，這樣會事倍功半了。
14樓：Evan172
看標題，還以為你在FPGA領域幹過幾年，然後想再轉回來呢，結果看內容是讀研期間學過些……那不算啊，沒在工作實際專案裡做過一兩年，只能算准入門有些基礎啊。
其實你是乙個人在那裡學習做專案沒有方向感，身邊也沒人請教時的自我安慰：算了，哥不玩了，哥還是回去做自己熟悉的FPGA去吧。那你去投FPGA看看？
還真不是你想轉就轉成功的，人家還要嫌你沒實際上手專案經驗呢。話有點直接，希望你不要受傷……
想說的是：你可以考慮跳個槽，最好是規模大點已經建好隊伍的公司或專案組，不管是繼續目前的方向，還是真的去做FPGA，或者其它方向，有個成熟大環境在裡面歷練，由專案推著你走，會輕鬆很多。
2023年做計算機視覺還有必要看岡薩雷斯的《數字影象處理》嗎
有必要深度學習雖然理論上可以解決所有問題，但傳統演算法引入深度學習後，使得初始分析的特徵層級提高，則在計算效率，模型大小等方面會有提公升，甚至還會在提高識別效果，降低過擬合方面有幫助。深度學習的目標是自動提取特徵，因為分很多層，而可以得到更加複雜的特徵。但有些過於低階的特徵，已經有成熟演算法提取特徵...
大學想學習計算機，應該怎麼做？
在校時間先不要糾結前端還是後端這些淺顯的問題，資料結構 作業系統原理 計算機網路 編譯原理 資料庫系統原理 這些才是核心競爭力，在校才能有如此多的精力去學好的學科。沒有前端比後端難或是後端比前端難的問題，只有個人擅長的問題。先了解某些應用框架，然後深入挖掘你就會發現大量資料結構 作業系統和計算機網路...
計算機視覺技術的車輛 檢測 與 識別 是怎麼做的？
emmm.來知乎引流,這是乙個車輛識別系統的demo.python編寫 定位用的yolov3在公開資料集的權重,車牌用開源的hyperlpr庫,不提供顏色與車標的模型 PT123123 Vehicle recognition system 陳嘉豪 這幾家公司，除了依圖做過車型識別，其他公司都是扯。依...