计算机视觉的三大主流方向：图像分割、目标跟踪与目标检测

近几年计算机视觉非常火热，学术界论文发表数量呈指数增长，其中ICCV 2019共收获 4328 篇论文，较上一届 2143 篇，数量多出了将近一倍（数据来自雷锋网）；落地上，已广泛应用于安防、自动驾驶、医疗、消费等领域；同时也诞生了很多像商汤、旷视这样的名企。

计算机视觉应用情况

（图源：前瞻产业研究院整理）

虽然越来越多的伙伴想要从事计算机视觉领域的工作，但在入门学习时没有专业的指导，直接将深度学习作为学习计算机视觉的切入点，导致只关注深度学习方法及相应的开源代码，而忽视了传统方法的学习。

传统方法是计算机视觉的根基，不理解传统方法往往造成只会调参&跑效果的结果。在进一步学习及解决实际问题时，更是步履维艰。究其原因是不理解计算机视觉的根本原理。

基于深度学习的算法缺乏可解释性，传统方法的算法恰恰弥补了这个缺点，不但具有可解释性，更能正确引导修正模型，且算法的速度也更快。

现在很多深度学习算法，都开始将传统思路结合进去，尤其是在算法冷启动时，数据量非常少，很难用深度学习算法。所以，传统方法不能被忽略！

责任编辑：lq