果然目标检测的人最多。
目标检测最好入门，资料最多，变种最多，代码最多...特别适合充当毕业生的毕设项目选题。不过如果是找算法开发相关的工作，只会目标检测是远远不够的。
老潘在前年找工作的时候主打的也是目标检测，当时在实习时候已经聊好了一个公司leader，答应说秋招的时候会再面试一下(就过)。但是秋招的时候那位leader不好意思地跟我说，他们公司目标检测相关任务开发这一块的人已经比较多了，他们更想要招有3D生成或者GAN项目经验的求职者。总而言之就是一句话：
你很优秀，但是不适合我们。
不过不同公司的需求是不一样的，目标检测这个方向对于大部分公司来说，仍然是需求量比较大的。
时代在发展，AI也在不停进步，你要问我现在CV领域哪儿还不卷？
我也不知道啊~
发表论文分布发论文最好发的是什么话题？当然也是目标检测了。
不得不吐槽一下，不管是anchor-base还是anchor-free的检测框架，改一下脑袋(head)改一下颈部(neck)改一下身体(backbone)就可以水一篇论文了。什么？不会改？那就改一下数据集吧~同样的框架，换个场景，又是一条好汉。
喜欢的编程语言还是老潘之前说过的，AI行业最流行的语言就是Python和C++。
不论是最火的深度学习框架Pytorch和Tensorflow，还是比较流行的模型加速推理框架TensorRT和TVM。都会提供Python接口来实现与用户的交互，提供API供用户使用，但实际内核代码都是使用C++编写的。原因很简单，为了保证性能以及方便地使用各种加速库(MKL、cuDNN)。另外，C++中的各种特性也比较适合团队协作开发大型项目，感兴趣的可以阅读相关源码，亲自感受下其牛逼之处。
对Pytorch源码感兴趣的可以看:
还有很多这里暂时不介绍了，有兴趣可以关注老潘，时不时会分析一哈框架。
喜欢的深度学习框架以下内容很真实..国产的深度学习框架使用率7%不到(今年应该超过7%了，paddlepaddle很好用)，还是Pytorch和Tensorflow的天下。
PS：感觉Darknet应该是靠yolov3火起来的，而且后继有人不断更新...纯C语言开箱即用对工业界简直不要太好。Caffe2挺可惜。MXNet小而美。
老潘理性分析一哈。对于学生来说，框架的易用性和社区完善度很重要(说白了就是遇到不会的问题，百度的时候资料多不多)。还有刚开始入门的小白，会听别人说什么什么好什么好，跟风使用；但对于公司来说，基本就是根据实际需求选择使用框架，例如这个模型只有Tensorflow的开源版本，有咩有Pytorch的，灭有？复现太耗时间，直接上手Tensorflow吧~毕竟是以业务来驱动的，产出就是第一目标，反之亦然。
目前情况来看，Pytorch不论在学生还是公司占有率优势很大。老潘3年前开始使用Pytorch进行深度学习研究，那会还是0.2版本，对比当时的TensorFlow，简直就像蚂蚁和大象。但短短2、3年时间，蚂蚁已经长大了。