我希望能夠通過這個回答，說明幾個概念之間的關(guān)系：包括計算機視覺（CV）、傳統(tǒng)CV算法、機器學習、深度學習，以及其他可能涉及的概念。
先說最基礎的概念，計算機視覺。根據(jù)維基百科的定義：
計算機視覺（Computer vision）是一門研究如何使機器“看”的科學，更進一步的說，就是指用攝影機和計算機代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖像處理，用計算機處理成為更適合人眼觀察或傳送給儀器檢測的圖像。
其中最后一句話，我想稍微做些擴展：計算機視覺的范疇，不僅是進行“圖像處理”，還可以用于圖像中的“信息抽取”，甚至是圖像內(nèi)容的“創(chuàng)造和生成”。確實，最初的計算機視覺算法，一大部分都關(guān)注于圖像處理，比如將光學傳感器獲取的信號轉(zhuǎn)換為人類容易理解的圖像；時至今日，尋常場景中的圖像處理算法已經(jīng)非常成熟，所以計算機視覺界的研究興趣更多地集中在高級語義理解（如分類、檢測、分割等問題）甚至是更加困難的圖像生成問題上。
如果題主所說的“傳統(tǒng)CV算法”指的是這些已經(jīng)被well-studied，甚至固化為硬件的算法，那么機器學習甚至深度學習（深度學習是機器學習的一個子集）就沒有什么用武之地。但是題主舉了個SVM的例子，于是我判斷，題主也許并沒有搞清楚機器學習和傳統(tǒng)方法的分界在什么地方，以及為什么計算機視覺領域（甚至整個人工智能領域）需要引入機器學習方法來解決問題。
所有人工智能（包括計算機視覺）問題，大致都可以描述為這樣一個數(shù)學問題：給定輸入 和輸出 ，尋找一個合適的函數(shù) ，使得 能夠最好地被滿足。有些時候，這個函數(shù)很容易找出來。例如一張輸入輸入和輸出 是一些關(guān)鍵點在兩個不同觀測視角下的坐標，而已知這兩個視角之間滿足某種仿射變換，那么就可以通過將定義為通用仿射變換，隨后以這些采樣到的關(guān)鍵點作為條件，求解仿射變換中的參數(shù)。在這個簡單的理論基礎上，發(fā)展出了若干圖像配準算法，例如著名的張正友標定法[1]，至今仍然被廣泛應用于實際場景。這就是傳統(tǒng)CV算法的典型案例。
那么為什么要引入機器學習呢？因為在許多情況下，這個的形式很難被手工定義出來。此時為了解決問題，人們只能進行各種假設，比如 可以通過某種函數(shù)形式 去逼近。舉一個例子：我們要把一張RGB圖像轉(zhuǎn)化為一張灰度圖像，但是沒有任何方法能夠建立在嚴格的數(shù)學證明上。此時，我們只能根據(jù)經(jīng)驗定義一個近似的線性函數(shù)：，然后根據(jù)經(jīng)驗和少量數(shù)據(jù)來確定其中的系數(shù)值 ——如今常用的一組系數(shù)是。注意，沒有人證明這個線性函數(shù)一定是最優(yōu)的，但是它能夠在絕大部分情況下工作得很好，于是這個線性函數(shù)就一直沿用下來，成為CV通用的標準。
再說一個更復雜的例子：如果我們要從一張RGB圖像 中識別它的語義標簽 ，那么至少在當前的科技水平下，我們甚至連應該長什么樣都不知道。于是人們采用了統(tǒng)計方法，從圖像中抽取若干特征，然后使用來做近似，其中是可以學習的參數(shù)。由于特征的維度可能很高，因此最好能有大量的訓練樣本用于確定參數(shù)的值。為了降低這些依賴，人們設計了許多方法，其中題主提到的SVM就是一種基于松弛損失函數(shù)的方法，它能夠很好地利用有限樣本處理高維數(shù)據(jù)，減少模型的結(jié)構(gòu)風險[2]以及過擬合等副作用。
最后是深度學習。上述機器學習方法，對于特征的設計提出了很高的要求。在計算機視覺領域，本世紀的前10年，見證了大量手工設計的圖像特征[3][4]，而這些方法在2011年前后遇到了不小的瓶頸。深度學習的思想，是采用更加自由的方式來定義 ，使得它（在數(shù)據(jù)量充足的情況下）更容易適應不同的問題。倒退10-15年，我們很難想象，一套相同的模型（卷積神經(jīng)網(wǎng)絡或者transformer）能夠適應各類不同的視覺問題（如識別類、生成類、恢復類等）。這些都歸功于深度學習：它提供了更大的特征空間，并且配套了一系列方法來進行復雜的優(yōu)化。最后要強調(diào)的是，深度學習是機器學習的一個子集，最好不要把兩者作為互斥的概念來討論問題。
如果理解這些內(nèi)容，我們就能夠討論題面了。傳統(tǒng)CV算法和統(tǒng)計學習方法各有特點：前者應用范圍受限，但是對數(shù)據(jù)依賴度低、求解比較穩(wěn)定；而后者則恰好相反。在實際應用中需要采用什么方法，要看具體場景的特點。當然，不僅是問題本身，容錯率、硬件配置、數(shù)據(jù)的數(shù)量和質(zhì)量等，都會影響算法的選擇；而根據(jù)場景選擇方案，判斷什么能做什么不能做，也是AI算法開發(fā)人員最需要的技能：這項技能比調(diào)參更難，收益也更大得多。
最后我要說，CV是永恒的問題，傳統(tǒng)方法是固化下來的方法，而統(tǒng)計學習是暫時性的解決方案，是當前技術(shù)水平下的無奈之舉——我們很難相信，這些方法會是CV或者AI的最終解決方案。歸根結(jié)底，如果一個問題能夠用傳統(tǒng)方法來解決，說明人類對它的理解已經(jīng)足夠深入，因而這些傳統(tǒng)方法值得被長期沿用下去（除非某些假設被推翻或者出于計算量等考慮需要做近似）。也就是說，傳統(tǒng)方法大概率不會被替代，而現(xiàn)行的統(tǒng)計學習方法必須被替代，只是不知道下次革命會發(fā)生在什么時候。
參考
[1]Zhang Z. A flexible new technique for camera calibration[J]. IEEE Transactions on pattern analysis and machine intelligence, 2000, 22(11): 1330-1334.
[2]Vapnik V. The nature of statistical learning theory[M]. Springer science & business media, 1999.
[3]Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International journal of computer vision, 2004, 60(2): 91-110.
[4]Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//2005 IEEE computer society conference on computer vision and pattern recognition (CVPR'05). Ieee, 2005, 1: 886-893.
下載APP