cv好发论文吗

计算机视觉吧，我有几个研究生同学也是这个方向，现在工作是算法方面的，挺不错的

深度学习如果可以学出来，以后就业的话，会很吃香，尤其你还是研究生方向，学历很占优势

如果选择深度学习建议：

首先一定要先学好机器学习，再学深度学习。机器学习的核心是使用算法解析数据从中学习，然后对新数据做出决定或预测。深度学习至少要精通一个方向，比如CV或者NLP。

其次要学好数据结构、数学基础。数学方面包括概率论、线性代数、高数和信息论，数据结构包括树、栈、链表、队列、图等等，同时要有优化算法复杂度的意识。

第三是要不断强化自己的编程能力，掌握tensorflow或者pytorch至少一种深度学习工具，通过参加比赛做项目，进一步强化自己的动手能力。

这里也有一些关于深度学习的公开课，都是中科院专家讲的，可以加入学习：网页链接

CV和NLP是目前计算机方向最大的两个领域，CV第一NLP第二，这两个方向发top文最多，当然水文也比较容易。CV方向主要包括图像识别、目标检测、图像分割、图像检索、关节点识别、图像生成、视觉导航等。三维重建等SLAM技术也属于CV，比较古老了，但SLAM是无人驾驶中基于构图导航的基础。这里每一个方向又细分很多小方向，每个小方向都有很多未解决问题，所以发论文还是比较方便的。另外CV最近也取得了长足进步，解决了很多实际的问题，应用性很强。NLP方向主要包括文本分类、信息提取、信息检索、自动问答、知识图谱、推荐系统等。同CV，也是每一个方向又细分很多小方向，也属于应用性很强的方向。NLP的应用更贴近生活，但你跟小冰、各种客服等机器人聊天就可以了解，距离通用型应用还有距离。发文章同CV，也属于比较容易的。这两个方向的文章都高度一致，非常严格：要求公开数据集上跑，很多数据集都给分好组了；你如果使用别的数据集做了预训练，必须声明，否则属于作弊。将来的几年，应该是打通CV和NLP的gap的几年。这里需要提一下zero-shot，他起初的思想是这样：CV领域要识别一般目标，需要有数据进行训练，如识别马就必须有马的图像。考虑这样一个场景，我们有马的图像，可以学习到这种形态的就是马；有老虎的图像，可以学习到这种外表是斑纹；我们有熊猫的图像，可以学习到这种颜色是黑白。我们没有斑马的图像，但告诉系统斑马是有黑白条纹的马，就可以找出它，这就是zero-shot，就是找从来没见过的一个东西（实际测试集如果有见过的也有没见过的，反而更难）。如果打通了CV和NLP这个GAP，那么就可以利用CV的外观和NLP的语义，向人工智能迈进一大步。（这一步是可预见成立的，不是神棍那种哲学上的成立，目前这个方向已经火起来了。）应用最强的，CV和NLP几乎每个方向都可以