为什么现在不看好 CV 方向了呢?

按照规矩，先问是不是，再问为什么。

叫衰CV的声音已经持续很长时间了。在我刚入行（2009年）的时候，整个领域处于深度学习爆发的前夜，手中只有局部特征作为武器的研究者们，痛苦地挣扎在PASCAL-VOC检测准确率（AP50）30%-40%的基线上，而MS-COCO还有好几年才会出现。深度学习全面占领CV以后，这些数值都有了很大的增长。目前PASCAL-VOC的SOTA是85%+，而MS-COCO的SOTA已经被刷到了55%+（多模型融合能接近60%：Common Objects in Context）。

同时，我们相信资本是不会说慌的。从近年CV方向的就业情况看，至少资本对这个方向的短期未来还是有信心的。目前（2020年）的情况很像十年以前，一个相对成熟的pipeline已经被发挥到了极致，而新的爆发尚未出现。每当这个时候，总会出现不少叫衰的声音。然而我认为，这些声音中的绝大多数，不过是随波逐流罢了，他们的逻辑很容易被打破。就拿多数人喜欢强调的卷积神经网络（CNN）来说。质疑者们总是强调CNN只是单纯地堆砌算力、不具有可解释性——然而反过来说，仅仅是这样一个非常简单的计算模型，就让CV发展到了一个受到跨学科广泛关注的高度（CV算法已经渗透到各个领域），这难道不令人惊讶吗？我实在是很难相信在未来的10-20年，人类的智慧仅限于CNN及其变种，无法开发出更精巧的计算模型，进一步推动这个领域的发展。

当然我们也要冷静地看到，现在的CV算法离真正的AI还差得远。要想解决落地困难的问题，从局部特征到深度学习这个级别的技术跳跃，至少还要发生两次。虽然它一定会发生，但没人知道下一次跳跃会在什么时间出现在什么方向。所以有的时候我会想：如果不是科研工作者，那么休眠20年再醒过来，直接享受AI发展的红利，一定是美事一桩。正是对改变未来的渴望，赋予了我们无限的想象力，当然还有无尽的烦恼。

最后说一个小趣事。2015年我刚开始做博后的时候，我曾经跟我的老板Alan Yuille闲聊。我说CV太难了，但是我想到两个可能的解决方案。一是人类彻底研究清楚了大脑的工作机制，仿照人脑设计出计算机，直接解决CV问题；二是人类搞定了量子计算，从而将所有可能出现的图像都学习一遍，强行记住所有答案。Alan表示，这两件事都不会发生，但是他的想法（compositional models）是可能实现的，于是就顺势跟我讨论了一个小时。不论是Alan还是我，都对CV的未来抱有切实的期望，也都试图以各自的努力，为这个领域做出一点点的改变。但愿这一天会到来吧。

我从技术角度回答一下，顺便欢迎大家评论区一起讨论。

背景：TOP2硕士，BAT大厂（纯reserach和AI工程部门都待过），做过CV，做过模型压缩，做过底层工作（嵌入式）。

看了一下各位大佬的回答，有些回答我很认同，有些回答就很不认同了。

说一下不认同的观点：

①CV工程师都是调参工程师，当然对CV方向悲观了。能力大多不怎么样XXXX，得自己写OP，反向传播XXX什么的才行？

（我都写过，这有什么用？为了面试？没写过的就是菜鸡？不配当CV工程师？这是什么论调？这和以前AI没火之前，没写过编译器操作系统XX的都是辣鸡的观点有什么区别？难道写过这些东西，就可以对CV乐观了？抱歉，我都写过，还是挺悲观的）

②不能光调参，还要注意工程落地能力（模型剪枝蒸馏量化，c++硬件部署之类）。

（

工程落地能力我不否认，是很重要，并且在当下，可以说是一个很有竞争力的能力。但是，有这个能力就能乐观了？看看现在各个大厂在做什么？

(a)软件类公司：微软NNI（AI自动化平台，包含模型压缩，automl等），百度paddle（从模型训练到模型压缩到模型的终端部署和服务器部署等等）。此外，腾讯NCNN，阿里MNN，等等太多啦。这才只是软件公司，硬件公司更可怕。

(b)硬件公司：

做AI芯片，AI芯片上的工具链（AI编译器，部署加速等），我和国内一家很大的养猪公司聊过，直接买的寒武纪的板子，工程师直接写好模型，用寒武纪板子配套的工具链直接压缩加部署。看看地平线，看看英特尔，不想举例了）

仔细想想，这些公司在干什么？就是在解决目前AI模型的部署难题，现在只是初具规模，再发展个一年半载，后续部署上花的时间一定会大大减少，因为工具太方便了。即使说工具还不够智能，请问，还能挤出来多少岗位给模型压缩，模型优化，模型部署的人做？

）

我目前的观点就是，单从技术上去判断CV方向有没有技术含量，有没有前途，结论大概率都是没有。当然，极其极其优秀的人（注意，是极其极其），当然是有前途的了。

一种是研究导向的（能持续产出论文，当然，如果钱不够烧，还必须是有实用价值的研究）

另一种就是业务导向的（就是下面这段话，忘了是哪位答主写的，我放在这了）：

1）业务到算法的建模能力，很多业务问题没有直接对应的paper和模型，需要自己针对业务场景建模寻找合适的模型构建技术方案，比如我们最近做了个项目，需要识别竖版视频中内嵌播放横版视频的播放区域（上下填充图片模板，抖音上很多），这个就没有可以直接搞定的模型，如何解决多种填充类型（纯色，模糊，图片，模板），如何识别填充区域动态发生变化的视频？ 这些都是在工业界落地需要创造性地去解决的问题
2）基于业务场景的训练数据构建能力，很多模型在工业界落地必须基于实际的业务数据进行调整，比如视频摘要算法，学界常用的Cosum TVsum都是非常非常小的训练集，只能用于发paper的benchmark，但是在工业界实现视频摘要算法，如何构建大规模的视频摘要有监督训练集呢？
3）模型产品化落地能力，很多模型在世界业务场景落地的时候需要解决性能问题，极端badcase问题，体感问题等等，这些需要很强的工程能力以及基于业务数据分析发现badcase的能力

不可否认的是，CV确实是能解决很多问题的，这个方向本身没有任何问题，但主要是泡沫太大。一旦泡沫破了之后，能否容纳下目前这么多人？（想想几年前的IOS和安卓开发有多火，现在呢。）

总结一下我的观点：

不要一对方向悲观，就拿技术说事，说别人没写过这个，没写过那个，所以技术菜，所以很悲观。时代的浪潮，恐怕不是学个c++，学个XXX就能解决的。普通人大概率还是要紧跟浪潮，吃完这波浪潮，吃下一波。吃不到那就没办法了。

与其嘴硬，不如想想我们吃完这波之后，去哪里吃下一波。

（欢迎评论区讨论：CV方向如何自我拯救？）