1樓：gashero
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的，則會比深度學習有更高的效率。幾年前乙個研究數學的朋友就給我做過乙個比喻。
乙個複雜計算的最底層是四則運算，那麼直接用寫好的演算法做計算，效率和效果上是極大概率比機器學習自己發現四則運算要靠譜的。
而從計算機視覺的角度看。很多特別底層的特徵，比如邊緣，角點，直線，曲線(圓)。雖然依靠深度學習也能做，但效率和效果上自然比不上成熟視覺演算法的。
舉乙個現實的例子，自動駕駛類應用裡識別車道線。人類很容易發現，車道線出現在畫面下半部分，在深色路面的白色直線或曲線。
如果是依靠深度學習來識別，一路CNN過來，先從卷積核開始，就麻煩的很。但如果是先用OpenCV處理一圈，把自適應邊緣識別一下，得到邊緣圖，再用邊緣圖識別出直線和曲線，且只取影象下半部的結果。這個結果作為輸入去進行下一步的訓練，因為維度極大減少，模型就會變得很小，識別效能也會成倍提高。
同時，有些機器學習學出來的模型，卻未必在所有情況中都符合人們的預期。所以能在任何一層上使用人類可理解的特徵，會使得整個應用的可解釋性和可除錯性好的多。
總結一下，至少可以把比較基礎的視覺演算法看看，尤其是涉及特徵提取的部分。畢竟深度學習之前，人們靠特徵工程還是堅持了很長一段時間的。
計算機視覺
一禾 這個問題不大的，樓主到這一步說明面試已經通過了，至於薪資證明什麼的可以找到幫忙的。我有存過乙個這方面蠻專業的人微，可以找他問問怎麼搞 make流水 跳槽很多都是為了漲薪，謊報工資無非也是想入職公司定薪時高一點，但是你的實際工資有這麼多，無非是流水過不去，這個有辦法解決的，修改修改就好了。 高山...
計算機視覺（Computer vision）在傳統行業有怎樣的應用？
我做過個實習，RGB D camera做3D重建的。目標是給工廠或者需要物體3D模型的廠商提供乙個快速準確並且造價合理的裝置錄入物體3D模型資料。4個RGBD攝像頭而已。 受激輻射光放大 說一下我們做過的乙個專案。乙個鈕扣廠，需要把生產的有缺陷的鈕扣挑選出來，這個一般是人工，後來，工廠的老總找到我們...
機器視覺與計算機視覺的區別？
高沉 覺得換個角度先不去了解他們複雜的定義。可以先接觸兩者的產品。opencv 計算機視覺 openmv 機器視覺 有模組可購買，有對應開發方式 從學習中了解。其實很多東西就都可以明白了。 矩視智慧型 最簡單的解答是 機器視覺是通過呼叫各種演算法因子，針對目標特徵，定製化設定各種引數。其擅長解決以測...