2009年，我剛剛高考完時，電力行業就業形勢大好，國家對航空航天行業的剛性需求帶領著北航一路躥紅，而電子通訊行業正直鼎盛時期。計算機專業雖然也勢頭正好，但與今天相比就差的遠了，街坊鄰居都說計算機專業要飽和了。當時年幼無知，就聽信了這些話，選擇了電子通訊行業。上研究生時，對通訊行業的前景開始擔憂，再加上學校的氛圍引導，選擇了訊號處理專業。

        然而僅僅幾年過去了，電力，航空，通訊，電子，全都漸漸式微，從行業的朝陽時期轉入了平穩發展的階段。計算機專業反而開始了爆炸性的增長，網際網路、移動網際網路、app開發、資料探勘、機器學習、計算機視覺、自然語言處理，這些人人都談論的詞彙，都和計算機有關。當然，以上都是吹牛逼，關乎到個人的體會就是，電子通訊應屆生的就業情況不是那麼好了。前段時間開始找實習，應屆生上基本都是找APP開發，或者資料探勘的，偶爾有通訊的實習，而電子的就更少了。這時候，我真的有一種入錯行的感覺。這時候，我一個關係較好的高中同學，已經進入facebook從事程式設計師的工作，起薪十幾萬美元，換算成人民幣就是年薪百萬。年薪百萬是一個具有特殊意義的詞，通常代表著一個年輕人開始走向成功。

         至此，我開始下定決心，逐漸向CS專業轉型。首先，我分析了我的基本情況。作為訊號處理專業的學生，有一些基本的C語言、Python、Matlab程式設計基礎，專業基礎能用上的有數字訊號處理和數字影象處理。研究生方向是遙感影象配準，主要工作是特徵提取和配準，和計算機視覺有些相關。因此，我決定選擇計算機視覺（Computer Vision）作為我的職業發展方向。

         打定主意投身CV以後，我也找到了人生中的第一份實習，在三星文書處理組，演算法程式設計實習生，該組的主要研究內容是“自然場景中的文字識別”。在此之前，特徵提取的知識學習了不少，以為自己算是有些計算機視覺的基礎了，然後mentor告訴我：“現在都用深度學習，不提取特徵了”。雖然不知道mentor說的對不對，但是深度學習似乎真的在CV領域火的飛起啊，關注了下知乎上關於 CVPR 2015 的回答，大家紛紛表示Deep Learning已經一統天下 。我深深意識到深度學習對於計算機視覺的重要性，要從事這個領域，必須要學會Deep Learning。而且實習工作中也有用到Deep Learning 的，不想當將軍的廚子不是好裁縫，不能總待在純碼農的舒適區，要懂得自我增值。

        以上總結出了一點：“無DL不CV” ，可是我連機器學習都幾乎沒有接觸過，我對於 logistics、SVM、Nerual Network 完全不懂。沒辦法，只得硬著頭皮上了，時間不允許我按照正統的方法循序漸進，只能根據需求來學習，就從最火熱的卷積神經網路(CNN)開始好了。

附: 

1. CVPR2015文章，這是stanford某位做的論文分類。

2. 機器學習公開課，Andrew NG的公開課

3. 深度學習公開課，Andrew NG的公開課

4. UFLDL，Andrew NG的深度學習教程