在深度学习如火如荼的今天传统机器视觉/模式识别的方法还有搞头吗

实际应用中肯定还是难以被完全替代的。如果涉及博士论文的话,你需要有创新点,效果还要比现有的方法(DL方法)好,这确实很难做。不如还是选DL的方向。
■网友
你说的传统方法是特征工程吧?其实深度学习的创新点比『传统方法』好找,举个例子,深度学习你按图模型来理解,随便变变图的拓扑,加减节点加减连线,就是一种新方法啊!更不用说再结合千奇百怪的优化算法了。传统特征工程才是被做烂了,那才是真的难找创新点。要么就做Bayesian的,创新点也不少,就是难度太大了。还是deep最容易灌。
■网友
当然有搞头啦,像工业应用例如检测等一些领域,基本上还是传统的机器视觉占主导地位,因为传统机器视觉经过这么多年的发展,很多算法已经相当成熟了,无论是算法效率和稳定性都非常好,所以其应用价值更突出。
【在深度学习如火如荼的今天传统机器视觉/模式识别的方法还有搞头吗】 但是题主是做博士课题,个人理解是不要随大流,广泛阅读吧,从中找出一些现在还存在的问题,这些问题就是你可以考虑的方向,不管是传统机器视觉还是深度学习,都没有说没有问题让你去解决的,个人建议,谨供参考。

■网友
选神经网络…其实换汤不换药。我都想继续读博了 论文好写啊!
■网友
同问,本人,刚入门机器学习,也想问问这个问题,作为普通的穷屌丝,银子不多,只有普通的PC机,如果要搞深度学习,能跑起来吗?如果不搞深度学习,基于图像处理,人脸识别方向的又该搞啥呢


    推荐阅读