## 与数字图像相关的行业大致分类和笔者的看法（仅供参考）
### 【AI类】
这类算法核心以机器学习、深度学习、XXX学习为明显特征。主要但不限于用于检测、分类、识别、分割等领域。也是目前在校学生研究最多的一个领域之一。最近火热的大模型（GPT）这类自然语言处理，暂且也归类到这里，实际不太准确。
笔者的一些看法：
计算机视觉的核心工具之一，在2015年开始大规模市场应用。随着工具和开源框架的成熟作为普通大学的研究生，甚至博士，想在这里面掌握核心技术，已经变得异常困难。但是AI类的岗位需求相对还是比较多的。但是薪资没有以往那么好了。
建议：愿天下心诚剑士人人会两袖青蛇，天下心诚算法人人会深度学习。
### 【医疗图像类】
医疗图像算是学术界传统算法应用较广的一个方向。也是老一辈做图像的导师研究比较多的领域。主要研究病理图像、医疗设备成像及优化、包括融合与配准之类的技术，近年AI在医学图像领域的应用也比较广泛。
笔者的一些看法：
相对而言入门门槛比较高，医疗数据不易获取。对口企业基本以医疗设备企业和一些大企业的医疗部门。坦白讲，就业面不是太广泛。不过好在灵活性还可以，只要你基础图像算法理论扎实。
### 【卫星、遥感图像类】
坦白讲，小众到笔者基本没有接触过
笔者的一些看法：
无
### 【空间重建类（SLAM、SFM等）】
这个分类就厉害了，目前为止笔者认为对人才的要求是最高的一个行业。第一，需要扎实的数学功底；第二，需要良好的3D知识基础；第三，对编程能力要求也不低。但是收益与要求往往是成正比的。目前应用领域：机器人行业，汽车行业等等；
笔者的一些看法：
这个领域如果要成为大牛，建议一定要读985博士。如果一定要硕士毕业从事该行业，那么你的硕士阶段学校是很好的背书，当然也有普通学校技术真牛的大佬，同样也能混的风生水起。需要你付出长时间的努力，但是确实后期收益很高，并且这个行业未来也会是比较好的赛道。
### 【工业视觉和缺陷检测类】
这个分类实际上需求还是蛮多的，主要是缺陷检测AOI，工厂生产流程中制造工艺缺陷的检出。其次就是分类、尺寸测量等等。
笔者的看法：
这个领域算是比较接近传统图像处理方向的。另外也逐步被AI渗透，需要就业者掌握AI这门工具。就业面比较广，但是薪资水平不高。
### 【3D感知类】
这个行业下的细分领域也比较多，算是一个比较小众的领域，普通大学的研究生往往能通过这个领域来曲线救国，因为目前高校做这个行业的还不算很多。主要包含高精度的工业级3D感知：例如高精度结构光、消费级结构光、双目、Time-of-Flight等等，可能大部分在校学生都没有听过这个细分领域。
笔者的看法（笔者本身所在的领域，见解难免会有主观因素，仅供参考）：
算是一个小而美的赛道，需要掌握的知识主要集中在图像更底层的部分，例如：相机本身的成像原理、多视几何、标定等等。但是这个赛道能帮很多普通大学的研究生在这个赛道不至于竞争激烈。薪资水平虽不算顶尖，但一定是靠前的。
后续笔者将重点介绍这个行业，敬请期待