计算机视觉入门路线

给大家写了一个计算机视觉入门路线，这个路线一共分为十一步，每一步指明了学习内容，学习程度，学习方式和学习目的，并指明了各个内容的重难点。

欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。

本文主要介绍计算机视觉从入门到具备自主学习能力的一个学习路线。

在介绍具体内容前，有必要先说明现在计算机视觉的情况。

计算机视觉是一个需要会的内容特别多，基础要求牢固，知识面要求足够广的领域。

计算机视觉领域有一个最大的问题在于它使用的方法具有黑盒的特点，一个完整的模型由很多部分组成，其中每个部分都有许许多多的参数，而任何一个地方的改变都有可能影响模型最终的效果，大的会影响收敛与不收敛，小的会使指标浮动好几个点。但你并不知道每个部分对模型的作用，也不知道模型是如何学习的。

因此，如果你是仅仅学了一下神经网络，学了一下pytorch或tensorflow，然后就开始看别人的博客学YOLO，学语义分割，github上跑了几个现有的模型。那你注定对计算机视觉很难有什么深刻的理解，不管是调参，还是设计模型，都纯属瞎碰运气。效果不好你不知道为什么，效果好你也不知道为什么。

当然了，即便你学得非常好，最终也还是不知道为什么好，为什么不好，不然就不叫黑盒了。但有所不同的是，你可以根据你的积累，从你自己对计算机视觉的理解上尝试去解释它为什么好，为什么不好。这就是计算机视觉领域所有论文的本质了，大家都是在根据自己的理解去设计模型去调试参数。这与前面说的并不矛盾。

因此，如果你想学习计算机视觉，非常牢固的基础和广泛的知识面是缺一不可的。

网上已经有很多的入门计算机视觉的经验，有些说机器学习十大算法要去手推一遍，否则基础不牢，有些上来就给一堆专业书籍如西瓜书、模式识别、统计学习方法。

对我自己来说，这些书我都看了，但我写的路线里不会这么干，因为这不符合循序渐进的原则。此外，学计算机视觉的不外乎两类人，一类是本科就在利用空余时间学习的，一类是读研了选择了这个方向，但不管是哪一类，都意味着学这个是没有像考试及格那样的硬性要求来强迫你学的。如果一开始就学不明白，一开始就看西瓜书、模式识别这类晦涩难懂的书，会激发人性的弱点，很容易就放弃了。

什么是一个好的学习路线？它应该是降低执行难度的，大部分人都只会怀疑是自己行动力太差的问题，而不去怀疑是不是学习路线执行难度太大。它需要保证学习者在学习过程中时时获得成就感，需要保证学得懂，在学习过程中产生继续学的动力，而不是靠着考试的硬性要求或自身强大的意志力在学。

上面废话就讲到这，本文尝试写一个执行难度低的，符合人性弱点的学习路线。

以前写过一个免费版的，里面介绍了对于计算机视觉要学的一些内容，也提供了一些资料。本文收费版与之不同的地方在于本文介绍得更加详细，介绍了学习的先后顺序，每个内容的重要程度，哪些可以不用深入，哪些必须要非常熟悉，后续如何进阶等。

第一步：统计学习方法

学习内容：关于模型的