点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
本文整理自知乎问答，仅用于学术分享，著作权归作者所有。如有侵权，请联系后台作删文处理。
观点一
作者｜张旭
https://www.zhihu.com/question/36983183/answer/746667460
收到一个新任务
1.先google 学术关键词，看看比较新的高引论文。选方案。
2.github，先直接搜论文名，看有没有已经复现的，或者作者直接提供了源码的。没有再搜关键词，总会有能用的。
3.改代码，加代码，python或matlab上跑通看效果。
4.调参，调参，调参。这里花的时间很长，经常的节奏就是新数据过来又不行了，再改。这里分析数据很重要。(做深度学习任务的时候，表示这个阶段是最耗时最无聊最没有成就感的)
5.代码集成，通常是C++。什么ipp，mkl，cuda，都搬上来，尽可能加速代码。
6.测试，测试，测试。
观点二
作者｜迦兰
https://www.zhihu.com/question/36983183/answer/87011043
老板说：这篇论文思想挺好的，你们要不来implement看看。deep组：好啊，看起来挺有意思的。于是，我们花了半天把论文研究一番，一天把公式和loss的gradient确定下来。
两天写了一个network的loss layer; 两天写了一个data loader； 四天debug让他们真正跑通； 诶。。。只是能跑而已，别闹，根本没到达论文说的效果嘛。 cv debug真正开始。要不看看单个数据的performance？尼玛这都不行要报警了！要不看看降维以后class的分布？好，撸个tsne／iso map什么的花掉两天。卧槽竟然二维效果这么烂，要不换个dataset试试？完了完了搞了这么久还没效果老板又要骂人了。
从我的经验来看还是码代码分析数据占主导吧，看论文占少数，主要时间还是为了implement各种看上去靠谱的想法和验证关于数据的各种假设。有的时候我们会盯着数据研究很久，不仅仅是在写代码，而是看最终应用在数据上的效果如何，以及如何改进。
观点三
作者｜jfangah
https://www.zhihu.com/question/36983183/answer/745182636
我是一个刚进公司的tensorflow boy，是的，我们算法部门在公司都被大家调戏称作“T(ensor)F(low) boys”。我在一家初创公司，我司主打行业是边缘计算，应用场景也主要集中在电力行业。要达到工业级的要求还是很难的事情。我们部门主要做目标检测和模型部署，平时是研究现有的目标检测模型，然后应用到不同的场景不同的需求上面去。但是用别人的模型框架特别痛苦，感觉到处都是bug和不适用于我们的场景的地方，然后就和同事一起研究研究，从底层撸自己的模型框架。
除此之外，还在做把模型部署到tf serving上面和模型加速的一点东西。然后用自己做出来的模型，用我们的高指标，去欺负欺负友商，生活充满了乐趣。
每天的日常是，点开电脑，看看昨天的模型跑的怎么样。
然后就是日常整理数据，日常炼丹，开炉炼丹前来一柱香，祈祷一下自己的丹不跑飞，不跑崩。
练完丹之后看看后端同事有什么需求，把模型导出成他们需要的模型。一个上午就过去了。
中午吃去吃个饭，公司周围陕西面馆特别好吃！都快成我们部门食堂了。
然后下午快乐得边炼丹边听后端同事：我又找到一个bug！然后时不时跑到后端看看我们的模型跑出来的目标检测结果。
我特别爱往后端跑，后端特别多玩具，玩具车，玩具挖掘机，玩具塔吊，全部可以用来检测。然后偶尔打打后端同事的脸：
“xxx，你们的模型不行啊，拍出来的照片都检测不出来！
不能够！不信我直接用模型给你检测出来！”
然后就是啪啪的打脸。
在他们修bug的时候玩玩玩具，惬意！
晚饭之后准备准备数据集，收拾收拾代码，准备开下一炉，争取在回家之前成功开炉。
吃吃零食，敲敲代码，玩玩玩具，这一天就过去了，这就是我的一天。
原来觉得撸代码很痛苦，但自己从零开始上手研究，而且最后真的实现了自己想要的效果，听到炼丹炉呼呼地响，会真的很令人振奋。而且炼丹的不确定性还会放大成功的喜悦。
最后小部分内容涉及原作者的公司信息和招聘信息，为了防止个人隐私，这里故不附上，感兴趣的同学可以点击上面链接进行查看
观点四
作者｜2014
https://www.zhihu.com/question/36983183/answer/745476381
接到项目：
调研：看论文，找论文，看论文，找论文，算，看论文，找论文，算。看论文，找论文，算了。。。。。
复现：调参，测试，调参，测试，有希望；调参，测试，有希望；调参，测试，有希。。。。。。。。望。。。不到头。。。
汇报：
完成这个就有成果了，下周能有。
完成这个应该有成果，下周看看。
完成这个也许有成果，下周再看看。。。。。
观点五
作者｜Mr.Coffee
https://www.zhihu.com/question/36983183/answer/770934900
炼丹需要注意什么呢？
1. 准备好药材，看看药材全不全，质量好不好。然后再处理下药材，不一定都用得到，比如有的只用根，有的只用茎，有的只用叶。
2. 注意火候，火太大容易炼成灰。火太小十天半个月都没啥动静。
3. 炼丹过程中还的注意色、气、味的反馈，通过这些反馈，注意改善火候，或者增加药材。
4. 当然，炼丹炉也回影响你的效率。什么玄天紫金丹炉固然完比黑铁丹炉速度要快了。
本文仅做学术分享，如有侵权，请联系删文。
下载1
在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。
下载2
在「3D视觉工坊」公众号后台回复：3D视觉优质源码，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。
下载3
在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。
重磅！3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群。
一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题
整理不易，请给工坊点赞和在看！
