留一个日常更新的问题-对计算机视觉未来的前景看法

谈到前景，首先是对cv领域的未来很有信心。

主要是从以下方面谈一谈自己的看法

1. 第一是现有的成就
2. 第二是当前cv的一些难点
3. 第三是对cv当前难点的业界进展
4. 第四是未来展望

一、现有的成就

截止到2022年8月，cv领域早已从传统模式迈入深度学习时代，且在深度学习模式下深耕多年，这期间，如图片/视频分类、检测、分割、语义理解都取得突破性成就，其中图片分类能力更是超过人类。这些能力也被快速的部署在互联网应用中，如微信扫一扫识图，淘宝扫一扫识别商品，百度以图搜图都是这些能力的体现。特别在视频方面，如爱奇艺的以图搜视频，根据视频帧定位播放位置，抖音视频的违规检测。

二、一些难点

目前视觉领域的难点用一句话总结就是：缺乏主动的理解能力，究其原因是无法拥有人类的先验知识。下面我仔细分析这句话的几层含义

1、小样本问题

深度学习总是围绕这大量样本开展，没有数据就没有深度学习；而数据也是制约深度学习进一步发展的瓶颈，日常生活中，对于某一类图片并不能很好的获得大量样本，就很难在该类型上实现良好的效果，小样本学习旨在将特征泛化，最大限度的表现该类别的普遍特征。

2、快速部署

3、多任务学习

4、注意力机制

5、合成数据