图形图像和机器视觉漫谈

读研期间主要做机器学习方向，现在转做图像处理和计算机视觉算法，工作一段时间了，把自己的认识和感悟总结下来，为后续的发展指明方向。如果对别人的学习也有帮助，那最好不过了。主要包括基础理论，应用开发，开发工具三个部分。

一. 基础理论

1. 数字信号

[1]通信原理 [2]信号与系统 [3]数字信号处理。

2. 图形学

[1]图形学[OpenGL，DirectX]。

3. 图像处理

[1]图像处理 [2]模式识别

4. 机器视觉

[1]机器视觉 [2]计算机视觉[OpenCV]

5. 机器学习[MLAPP，PRML]

[1]深度学习[Caffe，TensorFlow] [2]强化学习[RL]

6. 数据结构与算法

[1]数据结构 [2]算法[算法导论]

7. 数学

[1]数学 [2]概率统计 [3]几何[计算几何，微分几何]

8. 论文

[1]CVPR [2]ICCV [3]ICML [4]NIPS
可能这样的划分不太合理，但是也没有关系，主要是要把基础算法和开源代码相结合，提高理论和工程的能力。

 

二. 应用开发

1. 编程

[1]C++ [2]Python [3]C# [4]QT

2. 高性能计算

[1]并行计算[MPI，OpenMP] [2]异构计算[CUDA]

3. 三维建模和三维重建

[1]3ds Max [2]PCL [3]Kinect [4]OpenNI

4. 虚拟现实

[1]Unity3D [2]HTC Vive

5. 即时定位与地图构建[SLAM][Cartographer]

[1]机器人[ROS] [2]无人机 [3]自动驾驶

6. 音频和视频

[1]FFmpeg 

貌似很多的样子，其实主要是能够理解这些基础算法，C++编程能力要好。做算法时间长了，感觉对产品几乎没什么概念，以后除了专注于图像处理和计算机视觉算法之外，学习下VR内容开发。

 

三. 开发工具

[1]CMake和VS 2013：C++，C#。

[2]PyCharm和Spyder：Python。

[3]Git：尝试参与开源项目，贡献代码。

[4]Docker：开发、测试、部署。

[5]Blog：日记文章，专题文章，系列文章。

[6]Enterprise Architect：UML建模。

 

参考文献：

[1] Deep Learning

[2] Machine Learning：A Probabilistic Perspective

[3] Multiple View Geometry in Computer Vision (2nd Edition)

[4] Probabilistic Robotics

[5] Reinforcement Learning：An Introduction

[6] Pattern Recognition and Machine Learning