雙一流博士導(dǎo)師整理：最新的計(jì)算機(jī)視覺(jué)學(xué)習(xí)路線(xiàn)（含時(shí)間分配建議）
因工作需要，年初花了4個(gè)月左右時(shí)間學(xué)習(xí)了機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)相關(guān)的知識(shí)，工作日每天大概學(xué)習(xí)4-6個(gè)小時(shí)，周末每天大概10個(gè)小時(shí)，工作中的需求應(yīng)對(duì)也得心應(yīng)手了。
?
想快速入門(mén)的話(huà)，從自己的經(jīng)驗(yàn)看，可以先不看高等數(shù)學(xué)和線(xiàn)性代數(shù)，因?yàn)闄C(jī)器學(xué)習(xí)和深度學(xué)習(xí)中涉及的相關(guān)知識(shí)并不多。
?
視覺(jué)的知識(shí)部分建議分成兩部分學(xué)習(xí)，第一部分傳統(tǒng)圖像處理，第二部分基于深度學(xué)習(xí)的圖像處理。
?
但我發(fā)現(xiàn)，幾乎80%的CVer 都沒(méi)有從頭至尾深入的學(xué)習(xí)圖像處理方面的知識(shí)。
?
現(xiàn)在有了深度學(xué)習(xí)，不需要人為提取特征了，所以很多人不再關(guān)注圖像底層的信息，而是直接越過(guò)這個(gè)根基去搭建模型，我覺(jué)得這是一個(gè)誤區(qū)。
?
計(jì)算機(jī)視覺(jué)的提升不在于搭建模型，而在于不斷調(diào)優(yōu)、改進(jìn)過(guò)程中積累的經(jīng)驗(yàn)。
?
我們?cè)撛趺瘁槍?duì)不同領(lǐng)域的圖像設(shè)置不同的參數(shù)？其中包括卷積核大小、網(wǎng)絡(luò)架構(gòu)、初始權(quán)重等等，不可能拿到一個(gè)模型，既適合醫(yī)學(xué)圖像，又適合人臉識(shí)別，這其中就需要n次從70%的精度調(diào)到95%以上中積累出經(jīng)驗(yàn)。
如果你決心要在這個(gè)領(lǐng)域深耕，那么圖像底層方面的知識(shí)堅(jiān)決不可跨越的，欲速則不達(dá)。
分享一套當(dāng)時(shí)我學(xué)習(xí)過(guò)的教程，有視頻、代碼、PPT等，幫助大家打好基礎(chǔ)。
?
跟著這個(gè)路線(xiàn)重新去梳理一下你的學(xué)習(xí)路線(xiàn)，相信計(jì)算機(jī)視覺(jué)水平一定會(huì)有質(zhì)的提升。
?
資源已經(jīng)整理好了，文末附下載方式！以下是詳細(xì)內(nèi)容介紹～?
?
?第一章：機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺(jué)
?
計(jì)算機(jī)視覺(jué)簡(jiǎn)介
技術(shù)背景
了解人工智能方向、熱點(diǎn)
?
計(jì)算機(jī)視覺(jué)簡(jiǎn)介
cv簡(jiǎn)介
cv技能樹(shù)構(gòu)建
應(yīng)用領(lǐng)域
?
機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)
線(xiàn)性與非線(xiàn)性變換
概率學(xué)基礎(chǔ)
熵
kl散度
梯度下降法
?
計(jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)基礎(chǔ)
圖像和視頻
圖像的取樣與量化
濾波
直方圖
上采樣
下采樣
卷積
直方圖均衡化算法
最近鄰差值
單/雙線(xiàn)性差值
?
特征選擇與特征提取
特征選擇方法
filter等
特征提取方法：PCA、LDA、SVD等
?
邊緣提取
Canny
Roberts
Sobel
Prewitt
Hessian特征
Haar特征
?
相機(jī)模型
小孔成像模型
相機(jī)模型
鏡頭畸變
透視變換
?
計(jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)進(jìn)階
聚類(lèi)算法
kmeans
層次聚類(lèi)
密度聚類(lèi)
譜聚類(lèi)
?
坐標(biāo)變換與視覺(jué)測(cè)量
左右手坐標(biāo)系及轉(zhuǎn)換
萬(wàn)向鎖
旋轉(zhuǎn)矩陣
四元數(shù)
?
三維計(jì)算機(jī)視覺(jué)
立體視覺(jué)
多視幾何
SIFT算法
?
三維計(jì)算機(jī)視覺(jué)與點(diǎn)云模型
PCL點(diǎn)云模型
spin image
三維重構(gòu)
SFM算法
?
圖像濾波器
直通濾波
體素濾波
雙邊濾波器
條件濾波
半徑濾波
圖像增加噪聲與降噪
?
?
OpenCV詳解
OpenCV算法解析
線(xiàn)性擬合
最小二乘法
RANSAC算法
哈希算法
DCT算法
漢明距離
圖像相似度
?
第二章：深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)
神經(jīng)網(wǎng)絡(luò)
深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)
深度學(xué)習(xí)簡(jiǎn)介
基本的深度學(xué)習(xí)架構(gòu)
神經(jīng)元
激活函數(shù)詳解（sigmoid、tanh、relu等）
感性認(rèn)識(shí)隱藏層
如何定義網(wǎng)絡(luò)層
損失函數(shù)
?
推理和訓(xùn)練
神經(jīng)網(wǎng)絡(luò)的推理和訓(xùn)練
bp算法詳解
歸一化
Batch Normalization詳解
解決過(guò)擬合
dropout
softmax
手推神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程
?
從零開(kāi)始訓(xùn)練神經(jīng)網(wǎng)絡(luò)
使用python從零開(kāi)始實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)訓(xùn)練
構(gòu)建神經(jīng)網(wǎng)絡(luò)的經(jīng)驗(yàn)總結(jié)
?
深度學(xué)習(xí)開(kāi)源框架
pytorch
tensorflow
caffe
mxnet
keras
優(yōu)化器詳解(GD,SGD,RMSprop等