点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

本文转自：计算机视觉life

首先基础的机器学习知识必不可少，因为传统的一些方法就是手工特征+机器学习方法等，在2012年以前的ImageNet视觉挑战赛上获胜，这里安利一些资料，不过都是老生常谈了。

如周志华老师的《机器学习》、李航老师的《统计学习方法》、《机器学习实践》、吴恩达老师的cs229、李宏毅老师的机器学习视频（B站就有），除此以外，基础的图像处理知识也是必不可少的，比如冈萨雷斯的《数字图像处理》。

其次的话，就是深度学习了，2012年以后深度学习方法在计算机视觉领域一骑绝尘，经典网络必须要知道，LeNet、AlexNet、VGG、GoogLeNet、ResNet、DenseNet、SENet等，还有一些轻量级的网络，比如ShuffleNet、MobileNet系列，后续我也会在专栏更新相关论文的解读。

在更详细的任务中，有一些经典任务，上述的一些网络主要是分类网络，用于分类的，比如给一张图，输出图片是猫还是狗，但是会有很多更复杂的问题，比如图像既有猫又有狗，这时候网络应该输出什么呢？这样就衍生出了经典任务中的检测任务、分割任务等。

检测任务实际是输出目标的位置和概率，位置就是用bounding box圈出目标物体。目标检测大概的发展是这样（本人水平有限，难免会有错误，欢迎批评指正），在一张图中密集生成候选框，然后提取特征+机器学习分类器，这里就有一个问题如何生成候选框，滑窗法、随机搜索法等，不断发展。

2014年出现了一个很出名的文章——RCNN，将深度学习用到目标检测中，但是仅仅是将CNN作为特征提取器。在此就不再赘述，RCNN系列（RCNN、Fast RCNN、Faster RCNN、Mask RCNN）、YOLO系列（YOLO v1、YOLO v2、YOLO v3）以及SSD，从去年开始涌现了一些anchor-free的工作，在ECCV 2018上出现了一个工作——CornerNet，提出了一个想法——把目标检测问题转换成关键点检测问题，之后涌现了CenterNet、ExtremeNet等一系列基于关键点的目标检测工作。

最近谷歌有一些NAS和目标检测的工作，以及用强化学习的方式选择数据增广策略（近期我会复现该论文的数据增广策略）。

像分割任务，是像素级的分类问题，同样也有传统方法和深度学习方法，深度学习比较经典的方法是FCN，输出大小和输入大小应该是一致的（这里大小是长宽）。

目标追踪任务和检测任务有一些相似，但有一些不同之处，对每一帧进行检测的效果和追踪十分类似，但是目标检测通常检测的是已知类别，追踪可以追踪给定的第一帧里的内容，有一些传统方法、相关滤波方法以及深度学习方法，比如孪生网络系列的文章。再衍生出来的话，还有Re-ID。

除此以外，还有很多很多计算机视觉任务，比如超分辨率、三维重建（还涉及计算机图形学等），由于篇幅有限就不一一介绍这些任务的基本发展了，可以找一些论文自己研读，注意不仅仅是最近的文章，还有上个世纪的文章，最好写个综述，看个几十上百篇文章，读读代码。

有一些计算机视觉、深度学习方向的课和书籍，比如李沐老师的《动手学深度学习》，有课有jupyter notebook，非常好，相见恨晚，还有花书《深度学习》、《计算机视觉：算法与应用》、《计算机视觉——一种现代方法》、《计算机视觉：模型、学习和推理》等。

课的话，可以看cs231n，非常经典的计算机视觉课程，cs224d，虽然这门课是nlp的课，但是RNN这些东西对时间序列建模有非常大的帮助，可以也关注一下。

最近需要的关注的还有GNN paper list，用图的思想去处理一些计算机视觉问题，以及CV和NLP结合还有一些任务，比如很早之前就有的VQA、caption等，这里有一篇论文可以参考一下，Trends in Integration of Vision and Language Research: A Survey of Tasks, Datasets, and Methods。

除此以外，代码能力也非常有必要。

无论是传统的数字图像处理还是图形学，最近我就在看一些图形学的算法并打算逐一实现，还是深度学习方法，都需要有一定的代码能力，平时多看看别人写的代码，学习一下，最近我就复现了一篇ECCV 2018的文章HairNet，相对我之前的代码就非常工程化，也便于在其他设备上进行使用。

传统数字图像处理使用matlab比较多一点，图形学使用C++多一点，深度学习的一些代码主要基于python，还有一些深度学习框架，例如pytorch、mxnet、tensorflow、caffe、darknet等，目前这几种都或多或少地使用多，安利前面两种，pytorch目前也是比较主流的框架了，mxnet可以基于李沐大大那本书就学习，对理解底层的代码比较有帮助，我就是通过那个代码理解dataloader具体是怎么实现的。

“快速”二字，我不知道该如何体现，这个因人而异吧，笨鸟先飞，勤能补拙，好好学习是会有收获的，提升是不知不觉之中的，就像我不知不觉之中就从NLP、KG圈就跑去搞CV、CG了（滑稽脸.jpg）。

最近一些经历给我一些感触，传统的一些数字图像处理方法还是必不可少的，数学上很fancy，实际上可能也比较work，同时兼具解释性等特点。入门计算机视觉，或者其他任何一个学科/领域，脚踏实地比较好，切不可建空中楼阁。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~