其实我觉得NLP稍微难一些
抽象,歧义多,一词多义,表达方式多这些都是他的特点,但是我觉得最难得还是主观性太强
我们在日常生活表达的时候都只会说个大概,听者会自动补全描述语。并且,在不同的环境下,同样的句子你可能补全的也不一样。
这只是个人观点。我也想听听大家的观点,欢迎大家留言
西南交都很少有nlp的
大部分博士都是cv的
cv容易出成果多了
我感觉吧,picture 也可以用 document 的形式来表达,document 也能画成 picture, 但是cv比较耗资源,都是很深很深的网络,nlp浅层也能用,除非跨域的任务,否则我是碰都不碰cv的
CV多是感知智能,NLP则能助力认知智能。因此,个人认为NLP更难一点。
感觉卷积和词向量都是深度学习上应用的比较成熟的特征提取、映射技术。理解起来也很直观,发展的脉络也很符合人解决机器图片分类和词语标注任务的逻辑。
感觉表达不太够用。不止说清楚没。
个人感觉自然语言处理更难,都说大量数据特别有利于深度学习,以前就在科技园附近的公交车上听人听人吐槽自己的聊天机器人,最开始训练的好好的,再往里面加数据慢慢训练,反而练成了一坨屎。而CV相对而言比较好改进。
同感。觉得NLP训练没CV稳定。
赞同。
抽象,面向对象
语言识别最难!
NLP更难
哪个应用多一点
NLP
看个人爱好吧
越来越觉得NLP有趣了。原来更粉CV。但后来觉得CV侧重于技术实用比较“人工“”,NLP才是探索机器人类相互理解的“智能”部分。
NLP吧
是的,我也是这么想的,哈哈哈,所以从来不碰CV
不过现在很多研究都是跨域了,可能很快又得研究CV跟EL了
没有难不难吧,主要看自己怎么理解,有些技术涉及到相关知识的交叉,很经典的就是OCR了
西南交都很少有nlp的
大部分博士都是cv的
cv容易出成果多了
我感觉吧,picture 也可以用 document 的形式来表达,document 也能画成 picture, 但是cv比较耗资源,都是很深很深的网络,nlp浅层也能用,除非跨域的任务,否则我是碰都不碰cv的
CV多是感知智能,NLP则能助力认知智能。因此,个人认为NLP更难一点。
感觉卷积和词向量都是深度学习上应用的比较成熟的特征提取、映射技术。理解起来也很直观,发展的脉络也很符合人解决机器图片分类和词语标注任务的逻辑。
感觉表达不太够用。不止说清楚没。
个人感觉自然语言处理更难,都说大量数据特别有利于深度学习,以前就在科技园附近的公交车上听人听人吐槽自己的聊天机器人,最开始训练的好好的,再往里面加数据慢慢训练,反而练成了一坨屎。而CV相对而言比较好改进。
同感。觉得NLP训练没CV稳定。
赞同。
抽象,面向对象
语言识别最难!
NLP更难
哪个应用多一点
NLP
看个人爱好吧
越来越觉得NLP有趣了。原来更粉CV。但后来觉得CV侧重于技术实用比较“人工“”,NLP才是探索机器人类相互理解的“智能”部分。
NLP吧
是的,我也是这么想的,哈哈哈,所以从来不碰CV
不过现在很多研究都是跨域了,可能很快又得研究CV跟EL了
没有难不难吧,主要看自己怎么理解,有些技术涉及到相关知识的交叉,很经典的就是OCR了