CV/NLP哪个方向更好？
CV/NLP哪个方向更好？目前人工智能这块，CV和NLP哪个更好一些？
关注者
293
被浏览
135,256
关注问题写回答
邀请回答好问题 7
添加评论
分享
收起
16 个回答默认排序
https://pic2.zhimg.com/v2-c1f26a3797657288f176dc2da8b2caaa_xs.jpg?source=1940ef5c
zhongyian
最近致力于防脱发事业的程序员。
194 人赞同了该回答
图像更多的是感知，自然语言是认知。基于图像与自然语言的本质不同，我认为cv和nlp有几个区别：1、难度图像是计算机对现实世界的抽象，计算机理解计算机，相对简单；自然语言是人类对现实世界的抽象，人抽象世界的方式太复杂了（一词多义等），计算机理解起来有难度。尤其得益于深度学习的发展，cv的特征工程由模型自动抽取，更降低了cv的门槛。要知道，当年深度学习不火的时候，大家还在学习图像处理，各种预处理、边缘检测、分割算法，想做图像也不像现在门槛这么低。2、数据最主要的，nlp质量高的训练数据少（标注数据），简单想一下，想做dependency parsing，这数据真不是你想标就能标的。。。而且nlp本身是无结构数据，一词多义，甚至多词一义，一句多义（不同人理解不同），多句一义，不说机器如何理解，人来标注数据时，对一句话的认知程度也不一定相同。尤其自然语言处理任务的评价指标，用统计方法很难有效的评估模型能力。相比来讲，cv的数据标注、理解歧义更小，结果更容易评估。3、发展现状cv的效果比nlp的效果更好，市场上投资更多，从独角兽公司比例就可窥见一二，cv有商汤、旷视等等：https://pic1.zhimg.com/80/v2-8c649df85ff41737a68b60cb05da8492_720w.jpg?source=1940ef5c当然了，这也导致cv的从业人员多于nlp，去年秋招做cv的同学比做nlp的同学要压力大一些。
个人认为，近两年，两类问题都是用深度模型来做，没啥本质区别，你感兴趣什么就做什么。我觉得深度网络能到达的效果是有上限的，cv的发展更好，但是代表cv更成熟，更贴近这个上限。nlp虽然发展空间更大，但是目前阶段来讲坑实在太多了。。但是也看你对自己的定位了，如果不做科研，就我了解，好多公司相比于精妙的算法，更看重的是算法的快速迭代上线。
最后的最后，你可以做image caption呀，啥都有了。https://pic1.zhimg.com/80/v2-9cd32efee4aefaf69bcb1b980c1890cd_720w.jpg?source=1940ef5c欢迎交流关注～
编辑于 2019-06-17
真诚赞赏，手留余香
赞赏
还没有人赞赏，快来当第一个赞赏的人吧！
赞同 19448 条评论分享
收藏喜欢
收起
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic1.zhimg.com/v2-b3170074dbe18e6c428197a687e9d98b_xs.jpg?source=1940ef5c
深蓝学院
专注于AI与Robotics等前沿技术的在线教育
23 人赞同了该回答
计算机视觉（CV）、自然语言处理（NLP）是当下人工智能落地最广泛的领域，主要归功于深度学习。计算机视觉领域感知层面，目前已经得到突破，且入门门槛的降低。随着企业落地场景的局限，2018年下半年开始，市场上CV工程师趋向饱和；但是理解与认知层面，计算机视觉还有很长的路要走，比如图像理解、视频理解，这些研究方向是CV面临的更深层次的挑战，比如图像语义分割、语义SLAM，也是当下CV领域的热点。CV领域的另外一个热点是3D视觉，比如三维场景感知与理解、三维重建等。但这个领域入门门槛比2D视觉要高很多，所以人才稀缺。NLP与计算机视觉结合，做一些跨模态的方向，也是比较不错的。深蓝学院（https://www.shenlanxueyuan.com/
）是专注于人工智能的在线教育平台，致力于构建前沿科技课程培养体系的业界标准，涵盖人工智能基础、机器学习、计算机视觉、自然语言处理、智能机器人等领域。
编辑于 2020-05-29
赞同 232 条评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic2.zhimg.com/v2-6337d2a5c720522ff0a03094d61a2570_xs.jpg?source=1940ef5c
邵浩博士
vivo 高级技术总监
26 人赞同了该回答
想象下未来的机器人：有自己的身体（Robitcs），拥有自己的视觉（CV）、听觉（ASR）、可以说话唱歌（TTS），可以回答自然语言问题（NLP），有自己的意识（KG），形象和动作（CG）如果只谈论软件的话（Boston动力我们不去管它）CV和NLP哪个更好？一定是CV的成果更好一些，周明老师也说过“语言智能是人工智能皇冠上的明珠”，解决NLP问题真的很难，比如说一个笑话：尼采去面试，面试官问：“你叫什么？”“尼采。”“猜你妹啊！下一个！”，就算是NLP的一个难题。CV和NLP哪个更难？当然是NLP，想要机器具有意识和表达，一定是要有NLP技术的支撑（当然后面还应该有知识图谱），随着BERT的兴起，最近NLP领域也有了不少的进步，但离真正解决机器人的对话问题还是相距甚远。
发布于 2019-06-19
赞同 26添加评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic2.zhimg.com/v2-cb927e9eb2d65353852b9fff0af6d27f_xs.jpg?source=1940ef5c
Tom Hardy
公众号【3D视觉工坊】博主
2 人赞同了该回答
感觉cv竞争很大了，很多专业的同学都转行做cv了，nlp可能压力更小点，门槛也高点～
发布于 2020-01-29
赞同 2添加评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic3.zhimg.com/5f5b80cce0932b373cb5f8333f2303e4_xs.jpg?source=1940ef5c
blackbean
感兴趣的不少，做精的不多
7 人赞同了该回答
之前做过图像分割，现在正在NLP深坑中裸泳。感觉CV方面已经很成熟，论文中的新技术可以快速地应用在实际project中，做起来比较有成就感。然而NLP这一块，哪个公司说他的产品是纯基于深度学习模型的话...... 目前NLP落地感觉正则才是王道。当然，做CV不好的一点是更新太快了，你永远跟不上。NLP的好处是，大家都卡在这个瓶颈，不会怎么落伍。对上面观点不负责，认知还太浅。
编辑于 2020-05-11
赞同 71 条评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic1.zhimg.com/44309e80bf3f79eb60536086c8d543db_xs.jpg?source=1940ef5c
王晨皓
6 人赞同了该回答
CV+NLP吧，多模态。
发布于 2019-06-05
赞同 62 条评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic4.zhimg.com/v2-8be5e78adc656d80cdcdda7ed1b33f87_xs.jpg?source=1940ef5c
rancho
热爱工程化AI技术的斜杠青年
9 人赞同了该回答
截至目前：cv：竞争激烈，技术成熟，应用广泛，落地相对有刚需nlp：技术更新快，一年更新几个模型，需求相对少，落地难（数据少，数据标注主观性强，经常用复杂模型训练了一个意图识别、文本分类或实体识别模型，最后发现，尼玛还不如用正则表达式和关键词来得稳定和可控）难度个人觉得都差不多，待遇感觉也都差不多，其实理论基础都通用的，不用区分太细。。。基础的ml算法、dl算法，像seq2seq，attention，transformer那些也都是现在ai基础和通用的算法，一个cv工程师像想学习bert、xlnet那些看看论文和应用也都是分分钟的事。。
发布于 2019-10-25
赞同 91 条评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic2.zhimg.com/v2-19adb8bd1f9150fc772cc97fec0a12ec_xs.jpg?source=1940ef5c
大可爱
微信公众号strongai欢迎关注交流经验
7 人赞同了该回答
哪个都可以，选一门做好，不用管什么人才饱和，不存在，都是一个范畴，看谁做的好
发布于 2019-06-11
赞同 7添加评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic2.zhimg.com/v2-e80acc5ae2a011601e437fc7eba3db7f_xs.jpg?source=1940ef5c
huanghao10
机器不学习，人工不智能
6 人赞同了该回答
目前的情况来看，CV比NLP成熟很多，落地也很多，NLP方向还有东西可研究，未来大有可为。当然如果想深入研究，不管那个方向，都需要打好基础的，CV方向基本的计算机视觉、图像处理知识需要知道，NLP方向基本的计算语言学、统计语言学需要知道。
发布于 2019-06-17
赞同 6添加评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic1.zhimg.com/v2-231ac727870d281b4e31c66fd3f03409_xs.jpg?source=1940ef5c
良口三
修炼乐观
4 人赞同了该回答
做NLP的，但是我投CV一票。短期而言，CV技术更加成熟，相对比较好落地。CV标注任务相对客观，NLP很难有质量较好的标注数据。另外，NLP中最近比较火的 attention也好，预训练也好，都是cv玩剩的。而且CV的预训练通用性更强，NLP不同语言，甚至同一语言不同场景预训练都不一定适用。所以复杂一点的NLP问题，效果都不太好，看看glue 排行的效果便知，而且glue开源的数据质量还不错。工作中能找到好的标注数据都很不容易了…
发布于 2019-12-18
赞同 41 条评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic2.zhimg.com/da8e974dc_xs.jpg?source=1940ef5c
向往自由
研究生
3 人赞同了该回答
小孩子才做选择，全都学不就得了，我觉得并没有太大的区别，只是数据预处理的方式不一样而已，数据做好了，还不是乖乖做个调参侠。
发布于 2020-10-26
赞同 31 条评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic4.zhimg.com/v2-b876c646ffbc3c4a94b94c472455692b_xs.jpg?source=1940ef5c
回声
想创造世界且偶尔矫情的计算机入门者
4 人赞同了该回答
取决于你觉得这个“好”是什么吧。就理论方法而言其实感觉二者都差不多，个人感觉都是CV方向出现了一个什么方法，NLP这边看看能不能用，反之亦然。这样看来好像大差不差？但是如果想做原创性工作的话，NLP里面留出来的坑相较于CV可能会多一些？毕竟知识图谱这一大块儿好像还有蛮多东西能挖出来。如果是关心就业啊应用啊这个方面的话，不太了解，大家好像也聊了不少，就不瞎说了……（个人见解，随便说说）
发布于 2019-09-07
赞同 4添加评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic4.zhimg.com/v2-84a81ecd9f4dd2047b50ea473a556682_xs.jpg?source=1940ef5c
木子亦潇潇
自然语言处理研究僧
2 人赞同了该回答
未来是CV与NLP交融合在一起发展的。
发布于 2019-06-11
赞同 2添加评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic2.zhimg.com/v2-fb89e332d5cea32de5dda8ae7181d4b3_xs.jpg?source=1940ef5c
snake
python爱好者
3 人赞同了该回答
19年反正招聘都挺炸的看个人喜好吧
发布于 2020-03-28
赞同 3添加评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic4.zhimg.com/v2-ced30f5322214a299258297be6fb0672_xs.jpg?source=1940ef5c
空白
1 人赞同了该回答
感觉cv相对容易一些，nlp目前仍然open的问题更多。
发布于 2019-06-18
赞同 1添加评论分享
收藏喜欢
继续浏览内容
https://pic4.zhimg.com/80/v2-88158afcff1e7f4b8b00a1ba81171b61_720w.png
知乎
发现更大的世界
打开
https://picb.zhimg.com/80/v2-a448b133c0201b59631ccfa93cb650f3_1440w.png
Chrome
继续
https://pic1.zhimg.com/v2-a18f6ca91194128af4c9f47eace11cc6_xs.jpg?source=1940ef5c
思悦新欣
(ღ˘⌣˘ღ)
选自己适合能做好的吧，跟过往经验重合多一些的，cv或者nlp想做好都不是单纯的技术问题，这里想做好的定义是能大概率在未知状况中做出及时准确的判断、目标着眼于做出可落地应用的产品，相关的行业经验和工程经验都很重要，像我做cv就好智障，选都没得选
页:
[1]