近幾年計算機視覺非常火熱，學術界論文發表數量呈指數增長，其中ICCV 2019共收獲 4328 篇論文，較上一屆 2143 篇，數量多出了將近一倍（數據來自雷鋒網）；落地上，已廣泛應用于安防、自動駕駛、醫療、消費等領域；同時也誕生了很多像商湯、曠視這樣的名企。

計算機視覺應用情況

（圖源：前瞻產業研究院整理）

雖然越來越多的伙伴想要從事計算機視覺領域的工作，但在入門學習時沒有專業的指導，直接將深度學習作為學習計算機視覺的切入點，導致只關注深度學習方法及相應的開源代碼，而忽視了傳統方法的學習。

傳統方法是計算機視覺的根基，不理解傳統方法往往造成只會調參&跑效果的結果。在進一步學習及解決實際問題時，更是步履維艱。究其原因是不理解計算機視覺的根本原理。

基于深度學習的算法缺乏可解釋性，傳統方法的算法恰恰彌補了這個缺點，不但具有可解釋性，更能正確引導修正模型，且算法的速度也更快。

現在很多深度學習算法，都開始將傳統思路結合進去，尤其是在算法冷啟動時，數據量非常少，很難用深度學習算法。所以，傳統方法不能被忽略！

責任編輯：lq