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