AI本科生就已经学习了数字图像处理、机器视觉、计算机视觉、自然语言处理、强化学习的基本任务。
CS本科生连毛都没摸过。
数字图像处理：
1. 图像增强：改善图像质量，如对比度、亮度调整。
2. 噪声降低：减少图像中的噪声。
3. 图像恢复：从退化的图像中恢复原始图像。
4. 特征提取：识别图像中的关键特征，如边缘、角点、纹理。
5. 图像分割：将图像分割成多个区域或对象。
6. 图像配准：对齐多个图像以进行比较或合并。
7. 图像压缩：减少图像文件的大小而不显著降低质量。

机器视觉（Machine Vision）：
1. 物体检测：在图像中识别和定位物体。
2. 物体识别：识别图像中的物体类别。
3. 场景理解：理解图像中的场景内容和上下文。
4. 视觉跟踪：跟踪视频中的移动物体。
5. 立体视觉：使用多个摄像头获取深度信息。
6. 光学字符识别（OCR）：从图像中提取文本信息。

计算机视觉（Computer Vision）：
1. 图像分类：将图像分配到特定的类别。
2. 目标检测：在图像中定位和识别多个对象。
3. 语义分割：为图像中的每个像素分配类别标签。
4. 实例分割：区分并识别图像中的每个独立对象。
5. 动作识别：识别视频中的人类动作。
6. 3D重建：从2D图像重建3D模型。

自然语言处理（Natural Language Processing, NLP）：
1. 文本分类：将文本分配到预定义的类别。
2. 情感分析：确定文本的情绪倾向。
3. 机器翻译：将文本从一种语言翻译到另一种语言。
4. 命名实体识别（NER）：识别文本中的特定实体，如人名、地点。
5. 关系提取：识别文本中实体之间的关系。
6. 文本摘要：生成文本的简短版本。

强化学习（Reinforcement Learning）：
1. 决策制定：学习在特定情境下做出最优决策。
2. 控制任务：训练代理在环境中实现特定目标。
3. 游戏玩法优化：在游戏环境中提高玩牌或棋局的策略。
4. 资源管理：学习如何有效分配有限资源。
5. 机器人路径规划：导航机器人通过复杂环境。

【 在 xsjj 的大作中提到: 】
: 对的，一般而言本科还是要读CS，研究室或高年级再分流
: 发自「快看水母 于 23046PNC9C」
--
FROM 111.48.114.*