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python基础知识。
框架(Frameworks)
虽然你不必从一开始就去考虑选择何种框架,但是实践应用新的知识是必要的。
对应框架并没有太多选择,主要为:pytorch或keras(TensorFlow)。Pytorch可能需要编写更多代码,但在返回方面具有很大的灵活性,因此我们可以先学习如何使用pytorch。此外,大多数深度学习研究人员也普遍使用pytoch。
Albumentation (图像增强库)和 catalyst (框架,pytorch顶部的高级API)在我们学习计算机视觉的过长中也是很常用的工具,我们也可以先学习和使用它们,尤其是第一个。
硬件
- Nvidia GPU 10xx +:($ 300 +)
- Kaggle内核(免费) :每周仅30个小时 (https://www.kaggle.com/kernels)
- Google Colab(免费):12小时的会话限制,每周限制的使用时长不定 (https://colab.research.google.com/notebooks/intro.ipynb#recent=true)
理论与实践
在线课程
- CS231n是非常好的在线教学课程,涵盖了计算机视觉的所有必要基础,是YouTube的在线视频。这门课程还包含了课后练习,对于新手来说,可以先不用完成练习。(免费)
- Fast.ai是我们应该学习