因工作需要,年初花了4个月左右时间学习了机器学习、神经网络相关的知识,工作日每天大概学习4-6个小时,周末每天大概10个小时,工作中的需求应对也得心应手了。

想快速入门的话,从自己的经验看,可以先不看高等数学和线性代数,因为机器学习和深度学习中涉及的相关知识并不多。

视觉的知识部分建议分成两部分学习,第一部分传统图像处理,第二部分基于深度学习的图像处理。

但我发现,几乎80%的CVer 都没有从头至尾深入的学习图像处理方面的知识。

现在有了深度学习,不需要人为提取特征了,所以很多人不再关注图像底层的信息,而是直接越过这个根基去搭建模型,我觉得这是一个误区。

计算机视觉的提升不在于搭建模型,而在于不断调优、改进过程中积累的经验。

我们该怎么针对不同领域的图像设置不同的参数?其中包括卷积核大小、网络架构、初始权重等等,不可能拿到一个模型,既适合医学图像,又适合人脸识别,这其中就需要n次从70%的精度调到95%以上中积累出经验。

如果你决心要在这个领域深耕,那么图像底层方面的知识坚决不可跨越的,欲速则不达。

分享一套当时我学习过的教程,有视频、代码、PPT等,帮助大家打好基础。

跟着这个路线重新去梳理一下你的学习路线,相信计算机视觉水平一定会有质的提升。

资源已经整理好了,文末附下载方式!以下是详细内容介绍~ 

 第一章:机器学习与计算机视觉

计算机视觉简介

技术背景

  • 了解人工智能方向、热点

计算机视觉简介

  • cv简介

  • cv技能树构建

  • 应用领域

机器学习的数学基础

  • 线性与非线性变换

  • 概率学基础

  • kl散度

  • 梯度下降法

计算机视觉与机器学习基础

图像和视频

  • 图像的取样与量化

  • 滤波

  • 直方图

  • 上采样

  • 下采样

  • 卷积

  • 直方图均衡化算法

  • 最近邻差值

  • 单/双线性差值

特征选择与特征提取

  • 特征选择方法

  • filter等

  • 特征提取方法:PCA、LDA、SVD等

边缘提取

  • Canny

  • Roberts

  • Sobel

  • Prewitt

  • Hessian特征

  • Haar特征

相机模型

  • 小孔成像模型

  • 相机模型

  • 镜头畸变

  • 透视变换

计算机视觉与机器学习进阶

聚类算法

  • kmeans

  • 层次聚类

  • 密度聚类

  • 谱聚类

坐标变换与视觉测量

  • 左右手坐标系及转换

  • 万向锁

  • 旋转矩阵

  • 四元数

三维计算机视觉

  • 立体视觉

  • 多视几何

  • SIFT算法

三维计算机视觉与点云模型

  • PCL点云模型

  • spin image

  • 三维重构

  • SFM算法

图像滤波器

  • 直通滤波

  • 体素滤波

  • 双边滤波器

  • 条件滤波

  • 半径滤波

  • 图像增加噪声与降噪

OpenCV详解

OpenCV算法解析

  • 线性拟合

  • 最小二乘法

  • RANSAC算法

  • 哈希算法

  • DCT算法

  • 汉明距离

  • 图像相似度

第二章:深度学习与计算机视觉

神经网络

深度学习与神经网络

  • 深度学习简介

  • 基本的深度学习架构

  • 神经元

  • 激活函数详解(sigmoid、tanh、relu等)

  • 感性认识隐藏层

  • 如何定义网络层

  • 损失函数

推理和训练

  • 神经网络的推理和训练

  • bp算法详解

  • 归一化

  • Batch Normalization详解

  • 解决过拟合

  • dropout

  • softmax

  • 手推神经网络的训练过程

从零开始训练神经网络

  • 使用python从零开始实现神经网络训练

  • 构建神经网络的经验总结

深度学习开源框架

  • pytorch

  • tensorflow

  • caffe

  • mxnet

  • keras

  • 优化器详解(GD,SGD,RMSprop等

该视频出品人是王小天,目前就职于BAT之一,AI算法高级技术专家,法国TOP3高校双硕(计算机科学和数学应用双硕士)毕业。

双一流博士导师整理:最新的计算机视觉学习路线(含时间分配建议)相关推荐

  1. 吐血整理|3D视觉系统化学习路线

    原文首发于微信公众号「3D视觉工坊」:吐血整理|3D视觉系统化学习路线 我们生活在三维空间中,如何智能地感知和探索外部环境一直是个热点难题.2D视觉技术借助强大的计算机视觉和深度学习算法取得了超越人类 ...

  2. 双一流博士整理的计算机视觉学习路线(深度学习+传统图像处理)

    因工作需要,年初花了4个月左右时间学习了机器学习.神经网络相关的知识,工作日每天大概学习4-6个小时,周末每天大概10个小时,工作中的需求应对也得心应手了. 想快速入门的话,从自己的经验看,可以先不看 ...

  3. 浙大博士整理的计算机视觉学习路线(含时间建议分配)

    因工作需要,年初花了4个月左右时间学习了机器学习.神经网络相关的知识,工作日每天大概学习4-6个小时,周末每天大概10个小时,工作中的需求应对也得心应手了. 想快速入门的话,从自己的经验看,可以先不看 ...

  4. 浙大博士导师整理:Tensorflow和Pytorch的笔记(包含经典项目实战)

    作为一名AI工程师,掌握一门深度学习框架是必备的生存技能之一. 自 TensorFlow 从 Google 中脱颖而出以来,它在研究和商业领域成为最受欢迎的开源深度学习框架,紧接着 从 Faceboo ...

  5. 清华博士导师整理:Tensorflow和Pytorch的笔记(包含经典项目实战)

    作为一名AI工程师,掌握一门深度学习框架是必备的生存技能之一. 自 TensorFlow 从 Google 中脱颖而出以来,它在研究和商业领域成为最受欢迎的开源深度学习框架,紧接着 从 Faceboo ...

  6. 清华博士导师整理:Tensorflow 和 Pytorch 的笔记(包含经典项目实战)

    作为一名 AI 工程师,掌握一门深度学习框架是必备的生存技能之一. 自 TensorFlow 从 Google 中脱颖而出以来,它在研究和商业领域成为最受欢迎的开源深度学习框架,紧接着 从 Faceb ...

  7. 2021年9月最新的保姆级计算机视觉学习路线

    因工作需要,年初花了4个月左右时间学习了机器学习.神经网络相关的知识,工作日每天大概学习4-6个小时,周末每天大概10个小时,工作中的需求应对也得心应手了. 想快速入门的话,从自己的经验看,可以先不看 ...

  8. 最新计算机视觉学习路线教程

    这篇文章主要是基于我自己的经验,侧重于计算机视觉学习资源的介绍,如果大家按照这个路线去学,相信这将在很大程度上促进提高你的计算机视觉知识水平. 在开始学习计算机视觉之前,我们先来了解有关机器学习和py ...

  9. 保姆级计算机视觉学习路线

    因工作需要,年初花了4个月左右时间学习了机器学习.神经网络相关的知识,工作日每天大概学习4-6个小时,周末每天大概10个小时,工作中的需求应对也得心应手了. 想快速入门的话,从自己的经验看,可以先不看 ...

最新文章

  1. t-sql判断一个字符串是否为bigint的函数(全角数字需要判断为不合格)
  2. Java四种线程创建的思路
  3. c# 类对象和实例对象_C#类和对象能力问题 套装4
  4. Tensorflow学习笔记---1--Python基本操作
  5. 堆-动态的排序(洛谷1801-黑匣子)
  6. 异步社区两周年 - 技术图书免费送(活动已结束)
  7. vue中引用BScroll监听上拉加载报错
  8. 求职面试PPT模板推荐
  9. java 自定义 转换器_自定义类型转换器
  10. 微信app支付php案例分析,PHP实现APP微信支付的实例讲解
  11. 希望我能帮助你:关于软件开发的建议
  12. 18-09-20 关于Xlrd和Xlwt的初步学习
  13. 美团笔试(测试开发)
  14. 秃如其来第一步之安装JDK
  15. 利用 @media screen 实现网页布局的自适应,@media screen and
  16. 【深度学习】各种卷积的理解笔记(2D,3D,1x1,可分离卷积)
  17. 介绍一款web端的截图工具
  18. 【手把手】JavaWeb 入门级项目实战 -- 文章发布系统 (第六节)
  19. 开发购物商城app系统软件需要多少钱
  20. 07_python爬虫内容以及介绍

热门文章

  1. “基因编辑婴儿”惹争议,你或许不知道机器学习在脱靶效应中的作用?
  2. AI 技术实力图谱全解析!2018 中国 AI 开发者大会重磅来袭
  3. 资源 | 10x Python开发者必读:本月Python文章TOP 10
  4. AI创业成功公式:数据×数据+机器学习能力+算法
  5. 如何优雅地拿到30k月薪的offer?这几个大咖就是来帮你搞定薪水和面试官的
  6. Spring Cloud 随笔:记录在使用 OAuth2 遇到的巨坑
  7. Datawhale赛事大满贯来了!
  8. 周志华:“深”为什么重要,以及还有什么深的网络
  9. 达观杯_构建模型(二)逻辑回归
  10. 【pandas学习笔记】Series