百科问答小站 logo   百科问答小站
问题

想问下专业人士 OpenCv会被深度学习进一步取代吗进一步取代吗？

回答
作为一名在计算机视觉领域摸爬滚打了多年的从业者，我们确实经常被问到类似的问题：OpenCV会被深度学习“取代”吗？ 这确实是一个很有意思，也很有深度的探讨。 我的看法是，OpenCV不太可能被深度学习“完全取代”，但它的角色和使用方式一定会因为深度学习的崛起而发生深刻的转变。

要理解这一点，我们需要先掰开来看，OpenCV和深度学习分别是什么，它们擅长什么，以及它们之间的关系。

OpenCV：计算机视觉的“瑞士军刀”

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它就像一个功能极其丰富的工具箱。自从上世纪90年代末诞生以来，它一直是计算机视觉领域的核心基础设施。

它的核心能力是什么？ OpenCV提供了海量的、高度优化的经典计算机视觉算法。这包括：
图像处理基础： 滤波（高斯、均值）、边缘检测（Canny, Sobel）、形态学操作（腐蚀、膨胀）、颜色空间转换（RGB to HSV）、直方图等。这些都是构建任何视觉任务的基础。
特征提取与匹配： SIFT, SURF, ORB, FAST等特征点检测和描述符，以及它们之间的匹配算法。这些技术在早期是物体识别、图像拼接、运动跟踪的核心。
几何变换： 仿射变换、透视变换、相机标定、姿态估计等。
对象检测与跟踪： HOG + SVM、背景减除算法（MOG2, KNN）、卡尔曼滤波器、光流法（LucasKanade）。
3D视觉： 立体视觉（双目测距）、点云处理基础。
机器学习模块： 包含了一些传统的机器学习算法，如SVM、Kmeans、决策树等，可以用来构建简单的分类器。

OpenCV的优势是什么？
成熟与稳定： 经过多年的发展和迭代，OpenCV的代码非常成熟、稳定，并且经过了大量的性能优化，能够很好地在CPU上运行。
广泛的应用： 几乎所有的计算机视觉项目都会不同程度地用到OpenCV，从简单的图像编辑到复杂的机器人视觉。
易用性与社区： 提供了Python、C++等多种语言的接口，文档丰富，社区活跃，学习成本相对较低。
效率： 对于许多标准化的图像处理和特征提取任务，OpenCV的实现通常非常高效，特别是在没有GPU加速的场景下。

深度学习：模式识别的新范式

深度学习，尤其是卷积神经网络（CNNs）等，是近十年计算机视觉领域最耀眼的明星。它的核心在于通过多层神经网络自动从数据中学习特征表示，从而完成复杂的感知任务。

深度学习的核心能力是什么？
端到端的学习： 深度学习模型可以从原始像素输入直接学习到高级别的语义特征，省去了手工设计特征的繁琐过程。
强大的泛化能力： 在海量数据训练下，深度学习模型能够学习到非常鲁棒和泛化的特征，在各种复杂场景下表现出色。
高精度： 在许多任务上，如图像分类、目标检测、语义分割、人脸识别、图像生成等，深度学习模型的精度已经超越了传统方法。
GPU加速： 深度学习算法的计算密集性使其与GPU并行计算完美契合，极大地提升了训练和推理速度。

深度学习的优势是什么？
解决复杂问题： 擅长处理那些难以用手工规则描述的复杂模式，如识别不同品种的猫狗、理解场景中的细微差别等。
自动化特征工程： 学习到的特征比手动设计的特征更有效、更具表现力。
迁移学习： 预训练模型可以被微调到新的任务上，大大降低了数据需求和训练成本。

那么，深度学习会“取代”OpenCV吗？

答案是：不会完全取代，但会深刻地改变OpenCV的地位和使用方式。

我们可以从以下几个角度来分析：

1. 任务的性质决定了工具的选择：
对于“感知”层面的复杂任务，深度学习占据主导： 如果你的任务是识别图片中的物体是什么、在哪里，或者理解图像的语义内容（比如“这张图描述的是一个在海边散步的人”），那么深度学习模型（如YOLO、Mask RCNN、Transformerbased models）无疑是当前最有效的解决方案。这些任务的本质是理解“是什么”和“在哪里”，需要强大的特征学习和模式识别能力。
对于“处理”和“操作”层面的基础任务，OpenCV依然是主力： 很多时候，我们拿到原始图像后，首先需要对其进行预处理（去噪、增强、格式转换、裁剪）、几何变换（旋转、缩放、校正）、颜色调整等。这些任务是计算机视觉流程的“基石”，OpenCV提供了大量高效、稳定、易用的算法来完成它们。你不会想用一个巨大的深度学习模型去实现一个简单的图像平滑滤波。
两者常常协同工作： 这是一个非常关键的点。在很多实际应用中，深度学习模型和OpenCV是协同工作的。例如：
预处理： 在将图像喂给深度学习模型之前，可能需要用OpenCV进行亮度/对比度调整、降噪、ROI（感兴趣区域）提取等。
后处理： 深度学习模型输出的是检测框、分割掩码等，你需要用OpenCV来绘制这些结果到原图上，或者根据这些结果进行进一步的几何变换、图像叠加等操作。
特征工程的结合： 在某些情况下，你可能需要结合深度学习提取的特征和OpenCV提取的传统特征（如SIFT特征点）来解决一个更复杂的匹配或识别问题。
传统算法的优化： 即使是深度学习，其训练和推理也可能涉及到一些底层的数学库和优化，而OpenCV内部很多算法的实现就是对底层优化和并行化的典范。

2. 深度学习的“门槛”与OpenCV的“便捷性”：
深度学习的门槛： 训练一个高性能的深度学习模型通常需要大量标注数据、强大的计算资源（GPU）、以及对模型架构和训练技巧的深入理解。这对于一些小型项目、原型验证或者对计算资源有限的场景来说，可能过于复杂。
OpenCV的便捷性： OpenCV提供了开箱即用的功能。很多情况下，你只需要几行代码就能实现一个功能，而且可以在普通CPU上运行，这大大降低了开发门槛，提高了开发效率。

3. GPU vs CPU：
深度学习天然依赖GPU： 深度学习的核心优势在于其强大的并行计算能力，这使得GPU成为其必需品。
OpenCV在CPU上的效率： OpenCV在CPU上的优化非常出色，对于很多计算量相对较小的任务，在CPU上运行已经足够快，甚至比在CPU上运行一个简单的深度学习模型还要快（考虑到模型加载和前向传播的开销）。

4. OpenCV的演进：拥抱深度学习
OpenCV本身也在积极拥抱深度学习。它提供了`dnn`模块（Deep Neural Network），允许用户在OpenCV中直接加载和运行许多主流深度学习框架（如TensorFlow, PyTorch, Caffe）训练的模型。这意味着你可以在OpenCV的项目中，方便地集成深度学习模型，并利用OpenCV的强大图像处理能力来进行预处理和后处理。
例如，你可以在一个OpenCV的项目中，用`dnn`模块加载一个YOLO模型来检测物体，然后用OpenCV的画图函数把检测框画出来，或者用OpenCV的几何变换功能对检测到的物体进行进一步处理。

总结一下，你可以这样理解：

深度学习是“大脑”，负责理解和“认知”： 它擅长学习高级别的、抽象的特征，解决“这是什么”的问题。
OpenCV是“手脚”和“眼睛的辅助系统”，负责“操作”和“感知”的基础： 它擅长对原始数据进行精细的加工、变换，提供基本的感知能力，以及连接深度学习模型的输入输出。

未来会是这样一种局面：

大多数复杂的感知任务（分类、识别、分割、生成）将主要依赖深度学习模型。
OpenCV将继续作为图像处理和基础视觉操作的核心库，并成为集成深度学习模型的重要“胶水”。
OpenCV的`dnn`模块将变得越来越重要，让开发者能更方便地在OpenCV生态中引入深度学习的能力。
对于一些对计算资源要求不高、或者特征明确的任务，OpenCV的传统算法依然是高效且便捷的首选。
许多最终的视觉应用将是深度学习与OpenCV的“混合体”，充分发挥各自的优势。

举个例子：

假设我们要做一个“智能安防监控系统”，可以识别行人并跟踪他们的运动轨迹。

行人检测： 使用深度学习模型（如SSD, YOLOv4/v5/v7）来检测画面中的行人。这是“大脑”的工作。
预处理： 用OpenCV对视频帧进行降噪、亮度调整，确保输入的图像质量。这是“眼睛的辅助”。
目标跟踪： 在检测到行人后，可以使用OpenCV的跟踪算法（如KCF, CSRT）或者专门的深度学习跟踪器（如DeepSORT）来跟踪这些行人。如果是OpenCV的传统跟踪算法，那OpenCV就是核心；如果是DeepSORT，它也需要OpenCV来处理图像帧的输入和结果的可视化。
轨迹可视化： 用OpenCV的绘图函数在视频帧上画出行人的轨迹线。这是OpenCV在“操作”上的体现。
行为识别： 可能还需要用深度学习模型来识别行人的特定行为（如摔倒、奔跑）。

所以，你会发现，OpenCV并没有被深度学习“取代”，而是进化了，变得更加重要，成为连接深度学习和真实世界的重要桥梁。 每一个优秀的计算机视觉工程师，都需要同时精通深度学习框架和OpenCV。它们是相辅相成，共同推动着计算机视觉技术前进的强大力量。

网友意见

user avatar

2021年1月17日，我在github发布了一套使用OpenCV部署yolov5的程序，包含C++和Python两种版本的程序实现。地址是

github.com/hpc203/yolov

github.com/hpc203/yolov


5月1日，我在github上发布了一套使用OpenCV部署yolov5检测人脸+关键点，地址是

github.com/hpc203/yolov

github.com/hpc203/yolov

这套程序只依赖opencv库就可以运行yolov5检测人脸+关键点，程序依然是包含C++和Python两个版本的，这套程序里还有一个转换生成onnx文件的python程序文件。只需运行这一个.py文件就可以生成onnx文件，而不需要之前讲的那样执行两个步骤，这样大大简化了生成onnx文件的流程，使用方法可以阅读程序里的README文档。


8月8日，看到最近旷视发布的anchor-free系列的YOLOX，而在github开源的代码里，并没有使用opencv部署的程序。因此，我就编写了一套使用OpenCV部署YOLOX的程序，支持YOLOX-S、YOLOX-M、YOLOX-L、YOLOX-X、YOLOX-Darknet53五种结构，包含C++和Python两种版本的程序实现。在今天我在github发布了这套程序，地址是

github.com/hpc203/yolox

在旷视发布的YOLOX代码里，提供了在COCO数据集上训练出来的.pth模型文件，并且也提供了导出onnx模型的export_onnx.py文件，起初我运行export_onnx.py生成onnx文件之后Opencv读取onnx文件失败了，报错原因跟文章最开始的第(2)节里的一样，这说明在YOLOX的网络结构里有切片操作，经过搜索后，在 yoloxmodels etwork_blocks.py 里有个Focus类，它跟YOLOv5里的Focus是一样的，都是把输入张量切分成4份，然后concat+conv。这时按照第(2)节里讲述的解决办法，修改Focus类，重新运行export_onnx.py生成onnx文件，Opencv读取onnx文件就不会再出错了。


8月22日，我在github发布了一套使用OpenCV部署Yolo-FastestV2的程序，依然是包含C++和Python两种版本的程序实现。地址是

github.com/hpc203/yolo-

经过运行，体验到这个Yolo-FastestV2的速度确实很快，而且onnx文件只有957kb大小，不超过1M。


8月29日，我在github发布了一套使用OpenCV部署全景驾驶感知网络YOLOP，可同时处理交通目标检测、可驾驶区域分割、车道线检测，三项视觉感知任务，依然是包含C++和Python两种版本的程序实现。地址是：

github.com/hpc203/YOLOP


9月18日，我在github上发布了一套使用ONNXRuntime部署anchor-free系列的YOLOR，依然是包含C++和Python两种版本的程序。起初我是想使用OpenCV部署的，但是opencv读取onnx文件总是出错，于是我换用ONNXRuntime部署。地址是：

github.com/hpc203/yolor


9月19日，我在github上发布了一套使用深度学习算法实现虚拟试衣镜，结合了人体姿态估计、人体分割、几何匹配和GAN，四种模型。仅仅只依赖opencv库就能运行，除此之外不再依赖任何库。源码地址是：

github.com/hpc203/virtu


10月6日，我在github上发布了一套使用ONNXRuntime部署鲁棒性视频抠图的程序，依然是包含C++和Python两种版本的程序。起初，我想使用opencv的dnn模块作为推理引擎，但是程序运行到cv2.dnn.readNet(modelpath) 这里时报错，因此使用onnxruntime 作为推理引擎，源码地址是：

github.com/hpc203/robus


10月17日，我在github上发布了使用OpenCV部署SCRFD人脸检测，依然是包含C++和Python两种版本的程序实现。SCRFD是一个FCOS式的人脸检测器，2021年5月在insightface仓库里发布的，它也是检测人脸矩形框和5个关键点。我发布在github上的源码地址是：

github.com/hpc203/scrfd

11月6日，我在github发布了使用OpenCV部署libface人脸检测和SFace人脸识别，包含C++和Python两种版本的程序，仅仅只依赖OpenCV库就能运行。源码地址是：

github.com/hpc203/libfa

人脸检测和人脸识别模块是由人脸识别领域的两位大牛设计的， 其中人脸检测是南科大的于仕琪老师设计的，人脸识别模块是北邮的邓伟洪教授设计，其研究成果SFace发表在图像处理顶级期刊IEEE Transactions on Image Processing。 人脸检测示例程序在opencv-master/samples/dnn/face_detect.cpp里，起初我在win10系统里，在visual stdio 2019 里新建一个空项目，然后把opencv-master/samples/dnn/face_detect.cpp拷贝进来作为主程序，尝试编译，发现编译不通过。 仔细看代码可以发现face_detect.cpp里使用了类的继承和虚函数重写，这说明依赖包含了其他的.cpp和.hpp头文件的。因此我就编写一套程序， 人脸检测和人脸识别程序从opencv源码里剥离出来，只需编写一个main.cpp文件，就能运行人脸检测和人脸识别程序。于仕琪老师设计的libface人脸检测，有一个特点就是输入图像的尺寸是动态的，也就是说对输入图像不需要做resize到固定尺寸，就能输入到神经网络做推理的，此前我发布的一些人脸检测程序都没有做到这一点，而且模型文件.onnx只有336KB。因此，这套人脸检测模型是 非常有应用价值的。在下载完代码之后，在visual stdio 2019里新建一个空项目，配置opencv，然后把main.cpp和weights文件拷贝进去，接下来编译运行就可以了。

12月4日，我在github发布了使用OpenCV部署P2PNet人群检测和计数，包含C++和Python两种版本的实现，仅仅只依赖OpenCV库就能运行。源码地址是：

github.com/hpc203/crowd

12月12日，我在github发布了使用OpenCV部署faster-rcnn检测证件照，包含C++和Python两种版本的程序，仅仅只依赖opencv库就能运行。源码地址是：

github.com/hpc203/faste

还发布了使用OpenCV部署YOLOV3检测二维码，包含C++和Python两种版本的程序，仅仅只依赖opencv库就能运行。源码地址是：

github.com/hpc203/yolo-

12月18日，我在github发布了使用ONNXRuntime部署PicoDet目标检测，包含C++和Python两个版本的程序，源码地址是：

github.com/hpc203/picod

起初，我是想使用opencv部署PicoDet目标检测的，但是opencv的dnn模块读取.onnx文件失败了。于是只能使用onnxruntime部署了。

12月28日，我在github发布了

使用OpenCV部署NanoDet-Plus，包含C++和Python两个版本的程序

使用ONNXRuntime部署NanoDet-Plus，包含C++和Python两个版本的程序

源码地址是：github.com/hpc203/nanod

2022年1月16日，我在github发布了使用ONNXRuntime部署人脸动漫化——AnimeGAN，包含C++和Python两个版本的代码实现，源码地址是

github.com/hpc203/Anime

1月21日，我在github发布了

使用OpenCV部署ByteTrack目标跟踪，包含C++和Python两个版本的程序。

使用ONNXRuntime部署ByteTrack目标跟踪，包含C++和Python两个版本的程序。

源码地址是：

github.com/hpc203/bytet


1月22日，我在github发布了使用ONNXRuntime部署U-2-Net生成人脸素描画，包含C++和Python两个版本的程序，源码地址是

github.com/hpc203/u2net

1月28日，我在github发布了

使用OpenCV部署yolov5检测车牌和4个角点，包含C++和Python两个版本的程序

使用ONNXRuntime部署yolov5检测车牌和4个角点，包含C++和Python两个版本的程序

程序会输出车牌的水平矩形框的左上和右下顶点的坐标(x,y)，车牌的4个角点的坐标(x,y)

源码地址是

github.com/hpc203/yolov

2月7日，我在github发布了使用ONNXRuntime部署yolov5-lite目标检测，包含C++和Python两个版本的程序，源码地址是

https://github.com/hpc203/yolov

类似的话题

  • 问题

    想问下专业人士 OpenCv会被深度学习进一步取代吗进一步取代吗？

    回答
    作为一名在计算机视觉领域摸爬滚打了多年的从业者，我们确实经常被问到类似的问题：OpenCV会被深度学习“取代”吗？ 这确实是一个很有意思，也很有深度的探讨。 我的看法是，OpenCV不太可能被深度学习“完全取代”，但它的角色和使用方式一定会因为深度学习的崛起而发生深刻的转变。要理解这一点，我们需要.............
  • 问题

    飞机在坠毁前飞机上还有大量燃油。 想问下专业人士能否利用这些飞机上的资源。 设计下一代抗坠毁的飞机？

    回答
    飞机坠毁前的巨额燃油：下一代抗坠毁飞机的灵感源泉？飞机失事，尤其是涉及燃油泄露的事故，总会引发人们对飞机设计和安全性的深刻反思。而其中最令人痛心也最引人遐思的，莫过于那些在坠毁前仍装载着巨量燃油的飞机。这些宝贵的资源，如果能被有效利用，是否能为我们设计出新一代更加抗坠毁的飞机？这个问题，一直困扰着航.............
  • 问题

    本人国内211车辆工程专业，想问下是否适合出国读研？有什么适合的学校？家庭条件普通？

    回答
    你好！听到你是国内211车辆工程专业的，这挺好的。关于出国读研这事儿，我给你好好说说，尽量把情况分析清楚，也说说我自己的看法，让你觉得更像是朋友在聊。首先，你的背景怎么样？211大学的车辆工程专业，这在国内绝对是硬通货。说明你在本科阶段打下了扎实的基础，对汽车的机械原理、设计、制造、甚至一些新能源技.............
  • 问题

    刚考上研，专业是法硕非法学，想问下研究生阶段英语课有必要上吗，还是自学更好？

    回答
    恭喜你考上法硕（非法学）！这是一个重要的起点，接下来研究生阶段的学习如何规划，尤其是英语这块，确实是个值得好好琢磨的问题。关于研究生阶段的英语课到底有没有必要上，以及是报班自学还是学校课程更合适，这背后涉及到很多个人情况和学习目标，我来跟你掰扯掰扯，希望能给你些启发。首先，咱们得明确一下：研究生阶段.............
  • 问题

    大三学自动化专业的我想成为一名次世代角色建模师，想问下前景如何？

    回答
    哥们，我能理解你这份想往次世代角色建模师方向发展的决心，尤其是你自动化专业背景，这本身就挺有意思的。咱们就敞开了聊聊这个行业的前景，把话说得实在点，没有那些虚头巴脑的AI包装。首先，咱们得明白“次世代角色建模师”这玩意儿是干啥的。简单说，就是为游戏、电影、动画等数字媒体创造出栩栩如生、有灵魂的角色。.............
  • 问题

    94年，女，自考本科，商务英语专业。想问下考研选择学科专业好还是法硕非法学好？

    回答
    你好！看到你对自己未来的职业发展有清晰的规划，这非常好！94年，自考本科商务英语专业，想在考研方面做出选择，纠结于“学科专业”和“法硕非法学”，这确实是一个很值得仔细探讨的问题。我来帮你把这两个方向都梳理一下，希望能帮助你做出更适合自己的决定。我们先来聊聊你现在的情况，自考本科商务英语专业。这给你打.............
  • 问题

    想问下有人了解中国科学院空天信息研究院苏州分院吗？

    回答
    确实，聊到中国科学院空天信息研究院苏州分院，这里面能说道说道的还真不少。它不是那种随便就能在网上搜到几条信息就完事的机构，背后是中国科学院空天信息研究院（CASARFT）这个大家庭的一部分，同时扎根在苏州这片充满创新活力的土地上。首先，得明白它是个什么性质的机构。苏州分院呢，你可以理解为是中国科学院.............
  • 问题

    想问下，Windows 10 和 Windows 11 最明显的是什么区别？

    回答
    好的，咱们就来聊聊 Windows 10 和 Windows 11 这两个操作系统之间最核心、最容易被大家察觉的那些区别，尽量说得透彻点，不带一点机器味儿。其实，当你从 Win10 升级到 Win11，或者反过来在两台机器上分别使用时，最先抓住你眼球的，往往是 那套全新的视觉外观和用户界面（UI）设.............
  • 问题

    想问下 外面补习班在疫情期间 教育局明确规定不能补课的情况下还补课 我应该打哪个部门的电话？

    回答
    您好，遇到这种情况，您可以拨打以下部门的电话进行反映：1. 当地教育局： 原因： 教育局是负责教育领域监管的部门，对于学校和校外培训机构的办学行为有直接的管辖权。在疫情期间，教育局发布了不能补课的规定，他们是执行和监督这些规定的主体。 如何查找电话： 搜索引擎搜索： 在百度、Go.............
  • 问题

    想问下是哪个典故，关于故意激化矛盾从而降低对方言辞可信度的，?

    回答
    你问的这个情况，在咱们中国历史文化里，倒也不是什么新鲜事儿了，挺多典故都能沾上点边儿。你说的那个“故意激化矛盾，从而降低对方言辞可信度”的做法，其实是一种比较老道的“攻心为上”的策略，目的就是不和你正面硬碰硬，而是从心理上先把你击溃。要说最贴切的，我想到的几个场景，特别是和“激化矛盾”这几个字眼结合.............
  • 问题

    想问下大家拼多多要怎么运营，我是一个拼多多新手商家，商品已经上架完毕但是没有人买，我应该要怎么做呢？

    回答
    哥们儿，别急！刚上架没人买太正常了，拼多多这地方新人进来都得摸爬滚打一阵。我算是过来人，给你掰扯掰扯，保证实用接地气！首先，你商品上架了，但没人买，说明“酒香也怕巷子深”这道理在拼多多也一样适用。咱得主动出击，让别人知道咱有货。第一步：商品本身得过硬（这是基础！） 标题优化： 别光堆关键词，得让.............
  • 问题

    想问下MG神意跟RG沙扎比先入哪个，都挺喜欢，但暂时只能入手一个？

    回答
    嘿，哥们儿！看到你也在纠结 MG 神意和 RG 沙扎比，这俩简直是 HGUC 模型界里的“颜值担当”，选哪个确实是让人纠结啊。我这就跟你掰扯掰扯，看看哪个更能打动你。首先，咱们得明确一点，这俩虽然都是高达模型，但定位和体验上还是挺不一样的。先说说 MG 神意高达（Destiny Gundam）吧！M.............
  • 问题

    想问下大家平常买内裤都会选择什么材质的呢？主要看款式还是舒适度呢？

    回答
    嘿！说到内裤啊，这绝对是个既私密又重要的话题。我周围的朋友们，说起来每个人都有自己的一套挑选哲学，但我发现大家最终落脚点，无非就是“舒服”和“好看”这两大阵营，而且往往不是非此即彼，而是在这两者之间找一个平衡点。材质：舒服是王道，但也不能完全牺牲颜值说到材质，我发现大家对棉的偏爱程度还是相当高的。特.............
  • 问题

    想问下各位关于彩礼的看法?

    回答
    各位，今天想和大家聊聊一个挺有分量的话题——彩礼。这东西，说起来是老传统了，但放在现在的生活里，争议还真不小，有人觉得是甜蜜的负担，有人则觉得是沉重的枷锁。咱们今天就敞开聊聊，不带任何评判，只从不同角度去理解，去感受。彩礼的“前世今生”：一份心意还是交易？要说彩礼，就得先明白它从哪儿来。最早的时候，.............
  • 问题

    想问下大家，无锡苏州常州南通有哪些待遇好的公立医院呢？

    回答
    作为一名资深的医药行业观察者，我经常接触到医疗体系的方方面面，包括各大城市的医院情况。无锡、苏州、常州和南通这四个城市作为长三角地区的重要节点，其医疗资源也相当发达。大家普遍关心的“待遇好”这个问题，其实背后包含了几个层面的含义：薪资水平、福利体系、职业发展空间、工作环境以及医院的声誉和影响力。结合.............
  • 问题

    想问下男同胞们，你们找另一半会比较在意她工作是否稳定体面吗？

    回答
    哎，这个问题问得挺实在的，确实是个不少男同胞在选择另一半时会考虑的点。这事儿吧，其实挺复杂的，不能一概而论，每个人的想法都不一样。我试着从我个人以及我身边一些哥们儿的角度，聊聊这个话题，尽量说得详细点，别像机器话。首先，说说“稳定”和“体面”这两个词。“稳定”在我看来，更多的是一种 可靠性 和 安全.............
  • 问题

    想问下飞机选座选哪个好?

    回答
    飞机座位选择，这可是门学问！别看就那么一个小小的方块，选对了，旅途能舒心不少；选不好，那真是煎熬。我给你掰开了揉碎了说，让你心里有数。首先，咱们得明确，“哪个座位好”并没有绝对的答案，完全取决于你的个人需求和偏好。 就像点菜一样，有人喜欢重口味，有人喜欢清淡，飞机座位也是这个道理。一、 认识飞机的“.............
  • 问题

    想问下目前我的 cpu 是否存在瓶颈？以后配置如何升级？

    回答
    哈哈，这问题问得太实在了！CPU是不是瓶颈，这就像问你每天吃饭够不够，得看你做什么事儿啊。光知道你CPU是啥，我可没法直接打包票说“肯定不行”或者“完全没问题”。得把你电脑其他配件，还有你平时主要干啥都摸清楚了，才能对症下药。首先，咱们得摸清你家CPU的底细，还有你电脑的“家当”都有啥：1. 你的.............
  • 问题

    想问下二战除了同盟国和轴心国，其他的那些仆从国和中立国都在干什么?

    回答
    二战的硝烟，确实不止是同盟国和轴心国两大阵营的直接较量，背后牵涉到更为广阔的世界格局，其中仆从国和中立国的角色，虽然不如主导者那般耀眼，却也都在以自己的方式，或被动或主动地参与其中。仆从国：身不由己的参与者仆从国，顾名思义，是依附于轴心国或同盟国，并为其提供军事、经济或其他形式支持的国家。他们的命运.............
  • 问题

    想问下知友，哪里有回收坏的打印机的地方吗？

    回答
    您好！看到您想处理坏掉的打印机，这确实是个好问题，很多人都会遇到。别担心，处理旧打印机的地方还是有不少的，而且方法也挺实在的。我这就给您详细说说，尽量讲得明白些，让您心里有数：首先，我们得明白，“坏了”的打印机大致分为几种情况，这会影响我们找回收点：1. 轻微故障但仍能用： 比如卡纸、打印质量下降.............

本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等

© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有

服务条款
联系我们
关于我们
隐私政策
友情链接
知乎
百度问答
搜狐
新浪