点击下方“深度学习爱好者”，选择加"星标"或“置顶”
链接：https://www.zhihu.com/question/342035031?utm_psn=1833684136675635200 编辑：深度学习与计算机视觉 声明：仅做学术分享，侵删
作者：random walk
https://www.zhihu.com/question/342035031/answer/1824861930?utm_psn=1833682558279364608
科研领域：传统方法基本绝迹了，前两年投CVPR，用的传统方法，审稿人的一致问题就是为什么不用CNN试一试，然后就拒掉了。现在科研圈就是这个氛围，硬要用传统方法做图像处理，确实不怎么吸引人，而且传统方法也不太容易玩出什么花样了，所以创新性上一般不太容易太显眼。而且很多审稿人就是这几年深度学习出现之后才入坑的，对于传统方法的偏见是很正常的，在他们看来，传统方法的各种改动，无非就是现有技术的罗列和重新排列组合，而神经网络中修改一下下，则是重大的算法贡献。不过，当然有例外，比如HDR Plus等，近年还是有一些传统方法的工作，但是难度比用深度学习难得多。
实际解决问题：图像处理领域，个人觉得大部分可以解的问题，还是传统方法有优势。现在的情况是，容易解的问题，传统方法可以搞定，那么深度学习就没有必要。不容易解的问题，传统方法搞不定，深度学习方法可以提升性能，但基本上还是搞不定，而且因为训练数据的问题，可能还不稳定。如果传统方法就是一个永远考80分的学生，深度学习方法则是偶尔考100，平均80多分，但是有些时候能考出不及格。
作者：匿名用户
https://www.zhihu.com/question/342035031/answer/2888868666?utm_psn=1833685936547954688
qwq 今天师兄跟我说，公司里面已经把sp+sg做到在手机上能跑60帧了。。。我现在感觉可能传统方法能保留的领地真的越来越少了。
high level cv做传统算法没啥机会了，low level图像处理端侧落地尤其是视频处理，传统算法仍然占了很大一部分，别说什么深度学习已经多实时了，端侧视频处理，实时不是卡点，以播放端超分为例，要求不是30ms，而是10ms左右，计算flops是百M级别，而不是上G，落地不是空跑一个demo，而是在受到资源竞争和各种性能指标和体验的约束。npu目前还很碎片化，算子完备和覆盖率是很大的挑战，针对一款新出手机部署最新最好的算法没问题，app应用面向的是所有手机，兼容性和覆盖率才能带来更大的收益，这就是现实。
作者：cuber
https://www.zhihu.com/question/342035031/answer/2981524427?utm_psn=1833687351622262786
很多纯算法和学术的同学不理解demo和落地考虑的差别，哪怕公司行业内都算资深的人了，都会存在侥幸。举个例子，和传统图像处理很近的一个领域是编解码，也是传统图像算法，很多音视频的人致力于在播放端优化和集成av1或266软解码，你猜720p视频如果离线测试平均能达到100fps，能不能顺利落地？
下载2：Python视觉实战项目52讲 在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
