OpenCV已經(jīng)將圖像處理(識別)的算法寫成函數(shù)了，那我們還有必要去學習這些算法嗎？這取決于你的目的。比如說現(xiàn)在的車這么先進好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需

OpenCV已經(jīng)將圖像處理(識別)的算法寫成函數(shù)了，那我們還有必要去學習這些算法嗎？

這取決于你的目的。比如說現(xiàn)在的車這么先進好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需要知道。如果你是一個機械師，你必須理解。如果你是一個汽車制造商的工程師，你必須對它非常了解。簡言之，這取決于具體的需要。

搞算法（圖像識別，深度學習）必須要懂C/C 嗎？

關(guān)鍵詞：算法、圖像處理和深度學習

下面是一些厚顏無恥的想法和建議：

1。恭喜你學習python，離算法帖子又近了一步；

2。請繼續(xù)努力，C/C是算法崗的跳板，python一個月就可以完成，C/C沒有兩三年，你告訴我你已經(jīng)掌握了嗎？Java是世界第一語言，但我建議你暫時不要去研究它。因為你學會了，嗯？做java后臺開發(fā)很有趣。JPG

---我是分割線---

C>Python>java

圖像識別算法都有哪些？

圖像識別算法：

1人臉識別類（特征臉，F(xiàn)isher人臉算法），人臉檢測類（J-V算法，mtcnn）

2車牌識別類，車輛識別類（CNN）

3字符識別（CNN）].]。。。

…

無論什么識別算法：其實質(zhì)是圖像（多維矩陣）的分類或擬合算法。

那么如何設(shè)計一個函數(shù)來輸入不同的矩陣，得到相應的分類結(jié)果和擬合結(jié)果呢？

一般方案是先對圖像進行預處理（邊緣檢測、濾波、二值化、圖像縮放、歸一化等）

B提取特征。（進一步降低預處理圖像的數(shù)據(jù)維數(shù)，如LBP特征、hog特征等）

C使用機器學習方法進行分類或擬合（SVM、BP、logistic回歸等）

兩份offer，模式識別算法工程師和java開發(fā)崗，如何選擇？

算法工程師一般比開發(fā)工程師要難一點，但一般要難一點更有價值。還有一種說法是，開發(fā)是體力勞動，算法是智力勞動。考慮到女生做體力活沒有優(yōu)勢，最好選擇算法工程師。