原提問：

計算機視覺伴隨多個SOTA的完善和推進，已經(jīng)進去深水區(qū)，各個論壇社區(qū)的畢業(yè)生和從業(yè)者都一片卷聲，大呼卷的不行，各種勸退，認為NLP目前才是藍海，是未來深度學(xué)習(xí)的自由之地。那么實際情況是怎么樣的呢？是因為CV對硬件有要求而NLP不需要硬件還是技術(shù)門檻過低，亦或是從業(yè)人員眾多等。那么未來的深度學(xué)習(xí)應(yīng)用應(yīng)該朝哪個方向發(fā)力呢，才能做大蛋糕?

謝凌曦：

我沒看錯吧？NLP是一片藍海是自由之地？CV比較完善進入了深水區(qū)？一時間，我都不知道應(yīng)該從哪個點開始吐槽了。

因為題主問到了CV和NLP的比較。如果一定要橫向?qū)Ρ鹊脑挘敲碈V和NLP長期以來是互相學(xué)習(xí)、互相趕超的關(guān)系。雖然同屬于AI這個大領(lǐng)域，也同樣具有不確定性因而概率類方法占據(jù)絕對優(yōu)勢，但兩者的性質(zhì)還是存在諸多不同。具體來說：

CV信號是天然存在的，而NLP信號是人類創(chuàng)造出來、用于存儲知識的。因此，CV信號維度高、信息密度低，而NLP信號維度低、信息密度高。這就意味著在NLP信號上進行自監(jiān)督學(xué)習(xí)更容易，也意味著要在CV信號上進行自監(jiān)督學(xué)習(xí)，需要事先進行某種意義上的信息提純。

CV信號描述了對象的細節(jié)，具有一定的冗余度，而NLP信號是對象的抽象化描述，具有一定的模糊性。CV信號是層次化的，而NLP信號是結(jié)構(gòu)化的。這些明顯的對比，意味著要想在CV和NLP領(lǐng)域產(chǎn)生初級技術(shù)應(yīng)用，算法需要關(guān)注的點是不一樣的。CV更關(guān)注特征的抽象和domain之間的遷移，而NLP更關(guān)注單詞間的聯(lián)系和消歧義，等等。

當(dāng)前，CV和NLP面臨的共同困難，都是標(biāo)注信息的不完善——簡單地說，人類提供的標(biāo)簽已經(jīng)無法很好地指導(dǎo)學(xué)習(xí)過程，具體描述可以參考我昨天寫的另一個回答：

目前計算機視覺中的很多自監(jiān)督方法的下游任務(wù)用有監(jiān)督分類的意義是什么？

這也就意味著，有監(jiān)督學(xué)習(xí)的紅利已經(jīng)基本吃完，業(yè)界急需從無標(biāo)簽數(shù)據(jù)中獲取邁向下一代人工智能的鑰匙。雖然這把鑰匙仍未找到，但是我們基本可以確定大規(guī)模上游預(yù)訓(xùn)練+小規(guī)模下游微調(diào)的套路。NLP已經(jīng)部分走通了這條路——雖然現(xiàn)在的GPT-3被批評為只有記憶沒有常識，但是長遠看，這條路應(yīng)該是通的；而CV也需要迎頭趕上。

警告：以下是猜測

如果對CV的未來走向進行判斷，我認為一種很可能發(fā)生情況是復(fù)刻NLP的軌跡，由大廠完成超大規(guī)模圖像預(yù)訓(xùn)練模型，隨后將模型release給廣大開發(fā)者使用。這條路一旦走通，將會深遠地改變當(dāng)前CV的格局和開發(fā)模式。當(dāng)然，對于廣大開發(fā)者而言，適應(yīng)新的算法并不困難，適應(yīng)新的生態(tài)可能會有一定的挑戰(zhàn)。

最后，談到內(nèi)卷的問題。內(nèi)卷永遠是存在的，只要大家認為這個領(lǐng)域的從業(yè)者的數(shù)量超過了它能夠?qū)嶋H養(yǎng)活的數(shù)量。我對這個問題的看法是，CV在實際應(yīng)用上的潛力遠沒有被發(fā)揮出來。如果更先進的技術(shù)路線能夠達成，那么整個行業(yè)能養(yǎng)活的工程師數(shù)量一定會增加，到時候還會不會卷，就看會不會有更多人跳進這個坑里來了。

韋仕才：

作為一名入門煉丹師我來談?wù)勎业挠^點。

首先關(guān)于卷的這個問題，我覺得并不僅僅是因為或者所很大程度不是因為說cv入門門檻低，或者深度學(xué)習(xí)入門門檻低啥的，好歹它還需一塊1080ti+是吧。看看隔壁的JAVA，那個真是有手就行（狗頭），但是你看有人說開發(fā)崗卷嗎？想必?zé)o數(shù)學(xué)長學(xué)姐都告訴過大家，遇事不決就學(xué)JAVA，或者再加點c++。而大家，至少我應(yīng)該是幾乎沒聽過說JAVA開發(fā)崗一片紅海找不到工作啥的，至多就是入職的996，35歲的中年危機。甚至我認識的人很多是深度學(xué)習(xí)搞不下去了，找不到工作了，半年速成JAVA去找了開發(fā)的工作。同樣都是那么多人入門，甚至轉(zhuǎn)開發(fā)和JAVA的人更多，為啥就深度學(xué)習(xí)一片紅海，問題出在哪呢？

問題的核心其實在于供需失衡。首先是供給方，注意深度學(xué)習(xí)的紅利是真的曾經(jīng)存在過的！！！，并不從一開始就是泡沫。在15-17年那會，前景看起來一片光明，學(xué)生們看到深度學(xué)習(xí)，計算機視覺帶來的巨大福利，老師們看到這個東西好發(fā)文章，申項目，于是紛紛轉(zhuǎn)向深度學(xué)習(xí)，計算機視覺。特別是隨著深度學(xué)習(xí)框架的普及和硬件資源的不斷升級, 深度學(xué)習(xí)的入門門檻越來越低, 兩個月入門真的不是夢想。就連李飛飛，吳恩達，bengio，blabla等各路大神都紛紛離校創(chuàng)業(yè)或從業(yè)，所以大家沒忍住誘惑走進了這個坑真怪不了什么，我也沒忍住，畢竟那時候誰能想到會是現(xiàn)在這樣，一切看起來都非常美好，智能時代仿佛近在眼前。但是現(xiàn)在在呢? 李飛飛又回到了斯坦福, 吳恩達開始去搞教育, bengio的公司或許將要賤賣（以低于融資成本的價格賣出），知乎上開始出現(xiàn)如何看待2019年算法崗一篇紅海, 2020年算法崗灰飛煙滅, 而我前不久也還在吐槽如何看待深度學(xué)習(xí)復(fù)現(xiàn)難的問題。這中間發(fā)生了什么?

這就需要談到需求方的問題。首先很明顯的是目前公司對算法崗，深度學(xué)習(xí)需求并沒有像大家所想象的那么大，不然也不至于出現(xiàn)現(xiàn)在大家所說的一片紅海灰飛煙滅的問題。可是為什么呢？說好的工業(yè)4.0呢，說好的光明前景呢？這就要談到另一個問題，什么決定了公司的需求？夢想？熱愛？不，是利益，99.9%公司都是如此。剩下的0.1%也會慢慢變成如此。這里我想起了之前和師兄的聊天

我的一個博士師兄是工作之后才來讀博的，他17年碩士畢業(yè)去了海信做圖像算法，后來有一天我們一起回寢室，師兄突然說起還好辭職，不然現(xiàn)在海信大裁員指不定就裁到他了。我說你們不是做算法的嗎，怎么會裁到你們。師兄說裁的就是研發(fā)部門…，也就是算法崗可能的來源。我當(dāng)時心想，不應(yīng)該啊，研發(fā)部門不應(yīng)該都是像達摩院， FAIR這種，關(guān)乎一個公司能否把握未來機遇，抓住下一個風(fēng)口的重要部門嗎，怎么說裁就裁。師兄說，因為不掙錢啊，我們公司墻上掛滿了各種專利，但是實際能用來產(chǎn)生效益的沒幾個。不是每一個公司都能有那么大的魄力和資金投入做自己的算法研發(fā)的。更多是用別人做好的接口開發(fā)產(chǎn)品。

而像阿里，曠視，商湯這種提供算法支持的不應(yīng)該有很大的算法崗需求嗎？為什么還是會卷。其實他們的需求也沒那么大，原因還是一樣的，計算機視覺，深度學(xué)習(xí)并沒能帶來大家所期望應(yīng)用和盈利。說到這，其實大家眼里的眼里這些公司也不容易，也卷的不行，那么多公司就分人臉識別，智能安防等幾個領(lǐng)域的蛋糕，而且技術(shù)壁壘也沒有大到非某家不可的地步。而這歸根到底就是現(xiàn)在深度學(xué)習(xí)，計算機視覺能落地的場景真的不多。

所以這就談到第二點了，現(xiàn)在計算機視覺的瓶頸。以下觀點更多是從算法落地角度考慮的，可能存在一些局限。

做過算法落地的人應(yīng)該都深有體會，那些頂刊頂會上的sota算法，你用到實際場景里，如果不適用額外數(shù)據(jù)做微調(diào)，準(zhǔn)確率掉一個30%到40%，再正常不過了。而且很多時候視任務(wù)的難易程度準(zhǔn)確率從70%到85%甚至90%是可以靠數(shù)據(jù)堆出來的，但是再往上就沒那么容易了。當(dāng)然千萬級別甚至更高數(shù)量級的數(shù)據(jù)那就另說了，畢竟人工智能人工智能，有多少人工就有多少智能。即使如此還會有極端情況存在你加數(shù)據(jù)可能都無法解決

研一那會跟著師兄參加過一個復(fù)雜環(huán)境下人臉檢測識別挑戰(zhàn)賽，做的就是監(jiān)控視頻下白天黑夜各種復(fù)雜場景下的人臉識別。大家一看人臉識別，這不是做爛了嗎，還有什么好做的？我當(dāng)時也這么想，師兄可能開始也這么想，然后師兄兩年就花在了上面，后來表示非常后悔。當(dāng)時的情況就是白天下還好，基本都能識別差不多，黑夜路燈下，準(zhǔn)確率極劇降到了10%各種優(yōu)化弄到20%就已經(jīng)慘不忍睹了，就這還拿了第五名。前面的是一起參賽的還有大華，云從這些大廠，這里就說說大華，專業(yè)做安防的，他們最后黑夜環(huán)境下準(zhǔn)確率大概是70%，而且這里還不確實他們是不是用了自己的數(shù)據(jù)，總之我們是沒數(shù)據(jù)。

數(shù)據(jù)都不能解決，但還是要用，那怎么辦，一般就只能限制場景，麻煩用戶了。現(xiàn)在大家所能看到的落地應(yīng)用多半是在一個盡量不影響用戶體驗的場景限制里，采集海量數(shù)據(jù)集，擬合一個模型然后使用。這個過程中真正起了大作用的，不是大家以為的那些sota模型，而是那些場景的約束和海量數(shù)據(jù)。以我做的活體檢測為例，現(xiàn)在也有落地的應(yīng)用了，阿里，小視科技，但是你們?nèi)ビ玫臅r候它都會有請靠近遠離攝像頭讓你距離攝像頭的位置在指定距離，請保持靜止blabla一些限制，甚至有時候我都已經(jīng)在這個范圍里還不給我檢測，用的賊惡心。這些限制能不能不要？不行，因為不加這東西就解決不了。

緊接著上面就是關(guān)于計算機視覺的未來。我始終認為技術(shù)發(fā)展的終點就是產(chǎn)品，能夠切實的落地影響或改變?nèi)藗兊纳睿鉀Q人們的實際需求。所以我一直覺得我今后會是一個工程師而不是科學(xué)家。而如果從這個角度看計算機視覺的未來那就是這樣的。

我數(shù)據(jù)量不夠的怎么辦——小樣本學(xué)習(xí)，遷移學(xué)習(xí)。

數(shù)據(jù)標(biāo)注成本高怎么辦——半監(jiān)督，無監(jiān)督。

我數(shù)據(jù)分布不均衡怎么辦——長尾分布。

如何利用各種可能的數(shù)據(jù)來優(yōu)化提高模型性能——多模態(tài)學(xué)習(xí)。

如何適應(yīng)復(fù)雜場景（自然的，人為的）——深度學(xué)習(xí)的魯棒性，泛化性研究，對抗學(xué)習(xí)。

算法出問題我怎么糾正和修改——深度學(xué)習(xí)可解釋性問題。

我的模型怎么快速高效部署用于實際產(chǎn)品——機器學(xué)習(xí)系統(tǒng)，深度學(xué)習(xí)框架研究，模型壓縮

吉恒杉：

在企業(yè)里從事三年多cv業(yè)務(wù)，感覺cv還是有很多東西沒有解決，比如類別無關(guān)的檢測問題，圖像去模糊，畫質(zhì)評估，美學(xué)度量，以及和nlp的跨模態(tài)檢索等。由于cv開源的好項目很多，整體開箱可用率高，入門門檻低，前兩三年入坑的人也比較多，導(dǎo)致現(xiàn)在內(nèi)卷嚴(yán)重，這是實情，所以在招聘cv崗位的時候動輒要求發(fā)表幾篇a類文章，競爭還是很激烈的。加上今年經(jīng)濟形勢嚴(yán)重，不掙錢的業(yè)務(wù)招聘名額會縮減，所以建議想從事cv的同事盡量挑選李業(yè)務(wù)線比較近的部門，比如阿里的電商部門(打個小廣告，我們部門還有招聘名額，歡迎有意向點同事發(fā)簡歷到 hengshan.jhs@alibaba-inc.com)。關(guān)于nlp，現(xiàn)在算法幾乎都是bert，transformer，關(guān)鍵看怎么抽象業(yè)務(wù)問題，由于nlp的落地比cv要好一點，所以nlp找工作確實比cv好找一點。但是nlp內(nèi)卷也會越來越嚴(yán)重。至于長期cv的走向，可能還得跟學(xué)術(shù)的發(fā)展，可能跨模態(tài)檢索最近會好過一點，cv一些問題用nlp的transformer可以解決，感覺cv和nlp有統(tǒng)一起來的趨勢。

機器學(xué)習(xí)入坑者：

先來說說學(xué)界的寫論文，CV領(lǐng)域的難度很小，為啥？

因為：代碼開源+數(shù)據(jù)共享。

就拿目標(biāo)檢測或者圖像分割來說，github上面一堆優(yōu)秀的開源項目，只要一鍵clone就能省去繁瑣的實驗流程。

所以，搞CV的同學(xué)說：“我在辛辛苦苦做實驗！！

”背后的潛臺詞可能是：“我下載了一份代碼，有幾個bug，應(yīng)該是python或者是pytorch的版本不對應(yīng)造成的，我重裝一下框架和cuda吧！！”

或者是潛臺詞是：“我的數(shù)據(jù)集格式和這個作者的不太一樣，怎么才能讀進去呢？”

對于頂刊頂會論文，對于國內(nèi)大部分的課題組是無關(guān)緊要的，只要能發(fā)個SCI就算達標(biāo)了，有些學(xué)校只需要發(fā)中文核心。畢竟，每年發(fā)cvpr的幾個實驗室，無非就是幾個名校和大廠。

對于導(dǎo)師來說，讓學(xué)生跑CV的實驗，數(shù)據(jù)可靠性也更高。為啥呢？

就拿圖像分類問題來說，可以改一改ResNet的層數(shù)，然后應(yīng)用到葉片病害分類、缺陷分類或者是其它的分類任務(wù)之中。

實驗得到的數(shù)據(jù)，通過預(yù)估甚至都能猜個差不多。比如論文A采用ResNet在工業(yè)數(shù)據(jù)集上獲得了88%的分類準(zhǔn)確率，某個論文B通過對ResNet的層數(shù)進行增加或者刪減，或者是采用多尺度的策略，總是可以提升1-2%的準(zhǔn)確率。

都說深度學(xué)習(xí)的結(jié)果很玄學(xué)，但實際上，數(shù)據(jù)量充足的情況下總是可以通過提升算力來增強模型的性能。

fwtan：

多看看大佬的slides：Computer Vision: Looking Back to Look Forward, 覺得卷是因為大部分cv從業(yè)者未必能把里面的每一頁都看懂

愛因斯坦：

cv小菜雞說下自己的看法。

對于普通從業(yè)者來說，CV卷分為在學(xué)校卷和在企業(yè)卷。在學(xué)校卷原因是這個玩意入門門檻低，好發(fā)論文，和哪個領(lǐng)域都能排列組合一下，導(dǎo)致做這個的老師變多，進而導(dǎo)致做這個的碩博變多；在企業(yè)卷是因為CV資本泡沫還是有一些，各大獨角獸吸納了大量CV人才，之后餅畫不下去了，這些人就要一起競爭。NLP看卷不卷同理，我認為是要比CV好不少的，不過難保成為下一個卷起來的方向。

從未來應(yīng)用角度，感覺CV目標(biāo)是取代低端重復(fù)工作，NLP對應(yīng)的則是取代人，有點強ai的意思，有點遙遠，至少未來感覺CV還是要比NLP應(yīng)用廣闊很多的，無人車/醫(yī)療/工業(yè)/測繪/ARVR等。

不管是CV還是NLP，都是偏技術(shù)線，建議讀個博士，或者發(fā)幾篇頂會，搞這些一個很大好處是可以最大限度發(fā)揮自己的科研經(jīng)歷的優(yōu)勢。選擇一個領(lǐng)域肯定要有做好的信心嘛，所以雖然CV卷了點，但如果能做好覺得在十年的短期內(nèi)選CV還是好點的。

個人見解，如有錯誤還請指正哈

責(zé)任編輯：lq