CV研究方向选择

初步：
1、行人重识别，数据迁移gan超分辨率生成，关键点检测，天气变换+gan
（具体方向的难点、做过的实验，研究的可行性想法、顶会顶刊的发表数量、热度）
2、目标识别，图像理解（visual genome视觉基因组）细粒度识别：精度与速度 mAP ，特定问题上有空间
4、图像分割：gan+数据集的标注 https://blog.csdn.net/baobei0112/article/details/104908778
（难点、实验、研究可行性方向，目前的成就，热度）
3、目标追踪（相关滤波，mean-shif，深度 学习）
（难点：遮挡、高速运动的目标，评价指标）
5、图像增强：去马赛克，超分辨率
（具体任务

计算机视觉方向：目前了解的

1. 图像分类：是基准模型进行评价的任务，CV基础之基础
2. 目标识别（子方向多的很，人脸，行人，特征点，姿态，行为）：应用自动驾驶
3. 图像分割
4. 目标追踪
5. 重识别
6. domain transfer
7. 图像增强
8. 风格化：艺术滤镜
9. 三维重建：电影，游戏，
10. 图像检索
11. 图像描述、跨模态检索
12. GAN
13. 增强现实（Augment Reality）
    http://www.elecfans.com/d/901496.html
    总结这段时间看过的论文，做过的实验等等，并写出三个想做的可能方向，并给出理由，比如该方向在顶会顶刊的发表数量，热度等等。

1 来自硕士毕业工作了的人的说法2016

• 基础才是王道。数学，算法，编程能力，这三个就业来说，重要性倒着来。随便其中一个，也够你忙活了，而且是必须下苦工努力的，加油吧
• 我硕士到工作到现在，图像识别，遥感3D建模，医疗图像，机器视觉方向，都有过“深刻而痛苦”的经历，上面三个基础好，其他就是经验和时间，非核心竞争力。
• 人不能把自己的路走窄了，可以先选定一个方向，以此为媒介打牢基础，但毕业之后，是不是做这个方向根本没关系。

二

• 发展前途？呵呵，先打好基础再说，我跟你说的基础，可不是技术基础，而是更加坚实的理论基础！比如数学。因为只有这些好了，你才能看到一般工程师们看不到的东西，搞起技术来才会超越别人！技术上不要跟着别人跑！再有就是文字基础，如果你工作后编程的时间大于文案的时间，那你一辈子都是码农！如果你的文案时间远大于编程时间，喝酒时间远大于看片时间，决策思考时间远大于服从命令时间，你才会有前途。