计算机视觉入门拙见/学习路线

  🚀 提升你的编程、科研学习体验！ 🚀

大家好，我是小P学长！我分享了一个计算机视觉介绍 ，后期可能针对计算机视觉学习出一系列项目内容帮助大家入门。

🌟 如何获取学习资料？

1. 支持我的博客https://studentp.cloud/p/search.html?text=，输入关键词查找项目（比如“注意力机制”、“cifar”等）。
2. 获取宝藏内容。

🎉 感谢你的支持！ 🎉

---

计算机视觉的学习我认为最重要的地方在于完善两方面的能力

1）编程能力；

2）理论知识的储备。

二者相辅相成，缺一不可。以下我也从这两个点切入，简要的总结一下计算机视觉的学习路线（学习循序有先后）：

1）Python编程基础

Python是做算法的标准语言，目前诸如PyTorch、TensorFlow等最流行的深度学习框架都是基于python的。所以在接触算法之前需要有一定的python基础。

对于python的学习，网上有很多推荐的文本资料，差不多都是看书然后敲代码学习的思路。不过个人认为，对于初次接触python编程的学习者而言，看视频教程是最合适的也是最快的。看书很容易陷入局部知识点的纠结之中，而这些知识点可能都不是很重要。但是看视频的话是有人给你过滤了一遍知识点的，所以学习速度会更快。

对于视频教程的话，在b站、网易云课堂等平台上搜python，一搜一大把，挑选一个你喜欢的风格即可。比如以下教程我觉得就讲得很清晰：

黑马程序员Python教程_600集Python从入门到精通教程（懂中文就能学会）_哔哩哔哩_bilibili​www.bilibili.com/video/BV1ex411x7Em​编辑

（前100P是讲Linux的,如果赶时间可以跳过,从101P开始看）

看完视频教程之后如果有时间，再回过头来看书本就能够带着自己的理解去巩固知识点了。

2）理论知识储备

计算机视觉的学习现在绕不过深度学习，而深度学习的入门又绕不过“吴恩达”这三个字。我相信，很多人都是看着吴恩达的网课入门深度学习的。

https://www.bilibili.com/video/BV1gb411j7Bs​www.bilibili.com/video/BV1gb411j7Bs

学习完这门网课之后，你将至少明白什么是神经网络；神经网络的工作原理、结构；卷积神经网络；循环神经网络；以及计算机视觉、自然语言处理等方向的一些具体应用。

Note：我认为这门网课是整个计算机视觉学习的基础，他对后续你能不能形成自己的理解并有创新有很大的影响。所以，学习的时候最后对每一节课做出总结。同时遇见不懂的知识点的时候，最好不要闭门造车，建议可以网上搜索一下关键词，像github、知乎、微信公众号上都有很多总结性的资料。

3）了解计算机视觉发展现状

目前视觉上主要有几个基础任务，具体包括图像分类、语义分割、目标检测等。 需要学习者有一个全面的概览，做到计算机视觉各个方向是怎么做的心中有数。

具体步骤如下：

• 首先阅读图像分类经典模型阅读：具体包括vgg、inception系列、resnet。这些模型的论文网上搜关键词都有，建议先读原文，再配合者网上的各种论文笔记进行理解；
• 从Pytorch、Tensorflow中挑选一个框架作为你的的深度学习编程框架。个人喜欢Pytorch，它简单易上手，对初学者友好。学术界也大多用Pytorch。不过工业界目前来说还是tensorflow主流。但是Pytorch的使用率也在逐渐上升。那这种框架的学习我认为还是看文本自己实践比较好。这里也推荐一下PyTorch学习资料：

PyTorch 深度学习：60分钟快速入门（官方） - PyTorch 中文手册​pytorchbook.cn/chapter1/1.3-deep-learning-with-pytorch-60-minute-blitz/

60分钟快速入门深度学习。同时这里有个小的demo —— 训练一个图像分类器，也能帮助理解和巩固 图像分类 任务的知识。

具体可以看下面的这篇内容，包括了加入注意力机制GPU版本的图像分类和CPU版本直接分享给大家的普通网络分类：

cifar10数据集分类（注意力机制）-CSDN博客

• 在有了图像分类的知识以及使用pytorch的搭建模型的能力之后，我们可以去接触一下稍微复杂的计算机视觉任务 - 语义分割与目标检测。

可以查看下面这篇博客学习语义分割与目标检测：

语义分割与目标检测入门学习路线/方法/拙见-CSDN博客

• 当然，计算机视觉肯定不止这些任务，还有诸如超像素重建、超像素分割、OCR等一系列任务都可以去探索。只是以上两个任务比较经典而且基础。

4）保持学习，追逐前沿

学习完以上点之后，我认为应该是算入门计算机视觉了（当然，不包括一些传统的图像算法，对于传统的图像处理算法的学习可以去学习一下opencv）。我们初步具备了完成一个项目的能力。但是，学习是终身的。如果停留于学过的知识，很快就会被淘汰。同时对发论文有需求的同学追逐前沿也是必须的点。一个人的阅读能力与热点捕捉能力终究是有限的。这时，可以关注一些做你这个方向的公众号，他们一般都会推一些最新的文章，这样有助于始终跟随热点，了解这个方向上大家都在做什么。