【abs141avi】2020计算机视觉学习指南

原文：

作者：Insaf Ashrapov

前言

本文推荐的教程资料都是以我个人的经验为基础的，对增加计算机视觉理论的知识非常有帮助。另外，在学习计算机视觉理论之前，最好先了解和学习机器学习和python方面的知识。

模板

开始学习计算机视觉时，不需要使用框架，但需要应用新获得的知识。

关于框架的建议，没有其他建议。

pytorch:keras(tensorflow):pytorch可能需要编写更多代码，但更灵活。所以最好使用。而且越来越多的深度学习研究者开始采用这个框架。

Albumentation和catalyst(封装pytorch高级API的帧)也很有帮助，因此还可以使用album entation，特别是第一个图像增强帧。

硬件

Nvidia GPU 10XX型号完全可以使用Kaggle的kernels(约300美元)。每周可以免费使用30个小时。Google的Colab:是的，每个会话有12个小时的限制。每周免费时间限制不得而知。理论实践

在线讲座

CS231n:基本在线课程，介绍计算机视觉所需的所有基本知识。YouTube上有上课视频，课后练习，但尽管免费，但不建议完成。Fa，这是第二次要看的课。这也是封装Pytorch的高级框架，但经常更改API接口，文档不足也是不推荐的原因。但是看他们的课程视频就能知道理论和有趣的技巧，这需要时间。学习这些课程时，最好通过推荐这些理论的框架来实现。(大卫亚设)。

论文和代码

:可以免费获得最新论文的网站：不仅学习了计算机视觉效果，还深入学习了最新性能最好的论文。可以找到代码实现算法书。

要读的书不多。除了我认为非常有用的两本书外，我可以选择pytorch或keras来实现代码。

Deep Learning with Python:作者是Keras的开发者、Google AI研究者Keras ois chollet。这不是免费的书，但这本书很容易理解，可以学到很多以前不知道的知识点。Deep learning with Pytorch:这是一本免费的书，来自Pytorch团队的Eli Stevens Luca AntigaKaggle

网址：

Kaggle是一个著名的机器学习游戏在线平台，包含多种类型的游戏，其中很多是计算机视觉游戏。可以在没下课的情况下开始比赛。因为从比赛开始就可以免费运行很多公开的kernels(公开的、完美的代码)。

相对困难的学习途径

另一种学习途径可能非常困难，但不仅可以实现训练模型和预测结果的知识，还可以实现自己的研究，可以在Sergei Belousov aka bes中参考。(威廉莎士比亚)(美国电视剧《Northern Exposure》)。

要做的是阅读并实现下面所有的论文。当然，只要读就好。

网络结构

alexnet : https://papers . nips . cc/paper/4824-imagenet-class ification-with-deep-convolutional 1505 . 0677

fcn : ABS/1411 . 4038 seg net : ABS/1511 . 00561 unet : ABS/1505 . 04597 PSP net : ABS/1612 . 01105 deep lab : ABS

gan 3360abs/1406.2661 DC GAN : ABS/1511.06434 WGAN 3360 ABS/1701.07875 PIX 2 PIX 3360 ABS/1611 . 07004循环GAN 3360 ABS

rcnn : ABS/1311 . 2524 fast-rcnn : ABS/1504 . 08083 faster-rcnn : ABS/1506 . 01497 SSD : ABS/1512 . 02325

MASK-RCNN : ABS/1703 . 06870 YOLA CT : ABS/1904 . 02689姿态估计

Posenet : ABS/1505.07427密集pose : ABS/1802.00434摘要

这篇文章包含原文作者推荐的入门计算机视觉的部分资源，包括深度学习框架、课程、电子书、阅览论文和代码的网站、比赛网站、kaggle；

另外，还有更难的学习路径：阅读经典论文、网络结构中一般的计算机视觉方向、检测、分割、肝脏、姿势预测，但完成后收获会更多。还有利用框架训练模型，解决问题，向研究方向发展的机会。