【abs141avi】最新计算机视觉学习路径教程

这篇文章主要以我自己的经验为基础，集中在计算机视觉学习资源的介绍上。如果大家按照这条路线学习，这将大大促进你计算机视觉知识水平的提高。

在开始学习计算机视觉之前，我们先了解一下机器学习和python基本知识。

帧(Frameworks)

不需要一开始就考虑选择什么框架，但实践新知识是必要的。约翰肯尼迪。

该框架没有很多选项，如pytorch或Keras(TensorFlow)。Pytorch可能需要编写更多代码，但返回时灵活性很高，因此可以先学习如何使用pytorch。此外，大多数深度学习研究员也普遍使用pytoch。

Albumentation和catalyst(框架，pytorch顶部的高级API)是学习计算机视觉太久的常用工具，尤其是第一个可以学习和使用的工具。

硬件

NVIDIA GPU 10xx: ($300) kaggle内核(免费):每周30小时()Google Colab(免费):会话限制12小时，每周限制使用期限不统一()理论和实践

在线讲座

CS231n是一个非常好的在线教程，涵盖了计算机视觉的所有必要基础，是YouTube的在线视频。这门课还包括课后练习，初学者不必先完成练习。(免费)Fa是我们要学的另一门课。Fa是pytorch上面的高级框架，但API更改太频繁，文档不足，使用不方便。但是花时间看这个过程的理论和有用的技巧是个不错的选择。(免费)https://course.fa/学习这门课程时，最好将理论付诸实践，并应用于其中一个框架。

句子和代码

ArXiv.org ——所有最新信息。(免费)(￣￣)(￣￣)(￣￣)最普通的深度学习任务的最新发展现状，不仅仅是计算机视觉。(免费)Github——实践代码可以在这里找到。(免费) ()书

要读的书不多，但我相信这两本书都有用。不管你是使用pytorch还是keras。

Keras创作者和Google AI研究员Fran oisChollet撰写的Python深度学习。使用起来容易，应该能得到以前不知道的见识。(非免费)pytorch团队Eli Stevens和Luca Antiga的Pytorch深度学习(免费)Kaggle

Kaggle是各种机器学习比赛的著名在线平台，其中很多是关于计算机视觉的。即使没有完成课程，也可以参加比赛。因为游戏中有很多开放内核(端到端代码)，所以可以直接在浏览器中运行。(免费)具有挑战性的学习方法(推荐)

另一种替代方法可能很难，但通过这种方法，可以获得计算机视觉各领域的知识，还可以选择自己研究方向的具体计算机视觉领域进行学习。(博主警告：大量干货来袭，视觉各领域经典代表项目列表如下。)。

阅读和再现以下句子会有很大帮助。帮助前进，希望对大家有帮助。

网络体系结构

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

Posenet : ABS/1505.07427密集pose : ABS/1802.00434