计算机视觉作为AI市场的最大分支，无论是在技术成熟度、商业化进程，还是在市场增长速度、投融资热度等方面，自始至终都是人工智能领域最热门的行业之一。计算机视觉只能做算法岗吗?本篇文章来为大家答疑。

计算机视觉只能做算法岗吗？

并不是完全这样的，图像算法工程师种类很多的，但是单纯算法基本没有，纯算法只有学术界有，工业上面死磕纯算法的基本上没有。都是能用数字图像处理，就不会用到算法(毕竟对于工业来说，算法太慢，计算资源开销比传统多太多了)，就算不得不用到算法，那还是需要预处理图片之后，才能用到神经网络算法，没预处理的图像基本上不能用来训练的。可以说计算机视觉是基础，算法只不过是后续步骤。

计算机视觉可以用来做什么？

图像分类

图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。例如通过图像分类，计算机识别到图像中有人、树、草地、天空等等。

目标检测

目标检测任务的目标是给定一张图像或是一个视频帧，让计算机找出其中所有目标的位置，并给出每个目标的具体类别。而在多类别目标检测中，一般使用不同颜色的边框对检测到的不同物体的位置进行标记，如下图所示。

语义分割

语义分割是计算机视觉中的基本任务，在语义分割中我们需要将视觉输入分为不同的语义可解释类别。它将整个图像分成像素组，然后对像素组进行标记和分类。例如，我们可能需要区分图像中属于汽车的所有像素，并把这些像素涂成蓝色。比如把图像分为人(红色)、树木(深绿)、草地(浅绿)、天空(蓝色)标签。

实例分割

实例分割是目标检测和语义分割的结合，在图像中将目标检测出来(目标检测)，然后对每个像素打上标签(语义分割)。如以人为目标，语义分割不区分属于相同类别的不同实例(所有人都标为红色)，实例分割区分同类的不同实例(使用不同颜色区分不同的人)。

目标追踪

目标跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪，获得运动目标的运动参数，进行处理与分析，实现对运动目标的行为理解，以完成更高一级的检测任务。

免费分享一些我整理的人工智能学习资料给大家，包括一些AI常用框架实战视频、图像识别、OpenCV、NLQ、机器学习、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文、行业报告等。

为了更好的系统学习AI，推荐大家收藏一份。

下面是部分截图，文末附免费下载方式。

一、人工智能课程及项目

二、国内外知名精华资源

三、人工智能论文合集

四、人工智能行业报告

学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。

点击下方名片，扫码免费下载文中资料。