优秀的算法工程师都是不用深度学习的

前几天面试了一个C9应届硕士生，模式识别专业，连续问好几个专业问题都没能答上来。

尴尬之余，我问他：「你没有什么理想吗？你现在最渴望的事情是什么？」

他转悠着大眼睛，不假思索道：「将kaiming大大的Resnet扩展到10万层，把kitti,COCO数据库检测识别任务提升20个点以上」

真没想到在面试中居然还有这种操作。

我问为什么这能成为现阶段最渴望的事情，他反问「你难道不为LeCun、Bengio和Hinton的执着精神所感动么？你难道不羡慕ILSVRC2012 AlexNet大放异彩么？你难道不被googlenet，Resnet的深邃思想所折服么？」

好有道理我竟无法反驳。

这么了解市场的工程师，一定是个不可多得的人才！

于是，我决定：不录取他。

这几年，深度学习在CV领域大行其道，不论是detection，segmentation，classification，还是stereo matching，pose estimation，深度学习把之前传统各种state of the art方法爆出翔。现今，算法工程师不知道经典网络，流行框架都不好意思和别人打招呼。

此现象仅仅局限于刚入坑的小白。但是对于浸淫5年以上的无论bat算法经理还是资深人肉特征设计工程师，这种事情对于他们不过是一种笑谈。久而久之，我发现一个残酷的共同点——

他们只用传统方法。

工资不高吗？最低的月薪都有20K+，还有公司期权和股票。

技术不行吗？Paper 发到手软，代码编译一次就好。

我问过其中一个：我看你整天针对不同任务，手动设计特征，分类器不累么，不想试试cnn方法么？

他说：废话，肯定想啊。