图像分类识别（方向/重点指引）

1、继YOLO之后的高效目标检测算法： CenterNet    继YOLO之后的高效目标检测算法： CenterNet

2、百度飞浆面向 AI 行业应用场景的开源项目：GitHub - PaddlePaddle/PaddleX: PaddlePaddle End-to-End Development Toolkit（『飞桨』深度学习全流程开发工具）

GitHub - PaddlePaddle/PaddleX: PaddlePaddle End-to-End Development Toolkit（『飞桨』深度学习全流程开发工具）

欢迎使用PaddleX！ — PaddleX 文档

工业表计读数：工业表计读数 — PaddleX 文档

《关于一起深度学习的那些事》 - 哔哩哔哩

图像分类网络：

 

 

一、图像去噪去模糊、图像增强、边缘检测；卷积计算，池化，Dropout，正则化，激活函数，常规的网络框架等深度学习相关的知识。

二、OCR识别（有OCR项目经验者优先）、图像/物品分类、人脸识别、行人检测与行为识别、人体姿态、目标(包括行人、车辆、通用目标)检测与跟踪（有此经验者优先考虑）、视频分析、三维重建；

车辆重识别：

熟悉视频内容的萃取与分析方法，能基于视频建立对应的人脸、肢体、微表情、物品识别等特征识别与跟踪，辅助与审核欺诈特征识别。

至少熟练掌握一种深度学习框架，包括但不限于Pytorch、Tensorflow、caffe、Keras、Mxnet等深度学习框架！！！  

一、神经网络、SVM、KNN

此处必须重点掌握，应用于实际工程项目中。

二、adaboost

三、决策树

四、CNN、RNN、Faster-RCNN、MobileNET、YOLO

五、SLAM

熟悉 SLAM 算法的基本流程，了解当前主流激光和视觉 SLAM 算法的工作原理。