如今有大量的資源可以用來學(xué)習(xí)計(jì)算機(jī)視覺技術(shù)，那我們?nèi)绾螐谋姸嘟坛讨羞M(jìn)行選擇呢？哪個(gè)值得我們?nèi)ネ度霑r(shí)間呢？如果你也遇到這些問題，那么恭喜你來對(duì)地方了。我們通過理解數(shù)百種資源來選擇值得你花費(fèi)時(shí)間的資源－這就是我們首先推出本文的主要原因之一。去年，我們廣泛地專注于兩個(gè)技術(shù)的學(xué)習(xí)方法——機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，但是我們的社區(qū)需要更細(xì)化的學(xué)習(xí)路徑——一個(gè)結(jié)構(gòu)化的計(jì)算機(jī)視覺學(xué)習(xí)路徑。

這是可以理解的，因?yàn)橛?jì)算機(jī)視覺專家的需求和價(jià)值在業(yè)界遙遙領(lǐng)先。專門研究計(jì)算機(jī)視覺及其不同方面，你會(huì)看到大量招聘人員試圖接近你。我記得當(dāng)我開始自己的計(jì)算機(jī)視覺之旅時(shí)，我同時(shí)參考了多種資源——書籍、文章（當(dāng)時(shí)并不多）、YouTube視頻等等。因此，我很高興有機(jī)會(huì)為你整理這種結(jié)構(gòu)化的計(jì)算機(jī)視覺學(xué)習(xí)路徑。在開始學(xué)習(xí)之前，讓我們了解一下為簡化你的學(xué)習(xí)過程而構(gòu)建的框架。我們的計(jì)算機(jī)視覺學(xué)習(xí)路徑框架每個(gè)月都要有其對(duì)應(yīng)的學(xué)習(xí)結(jié)構(gòu)，這是我們對(duì)每個(gè)月需要了解的不同方面進(jìn)行分類的方式：目標(biāo)：這個(gè)月你會(huì)學(xué)到什么？關(guān)鍵要點(diǎn)是什么？你的計(jì)算機(jī)視覺之旅將如何進(jìn)行？我們會(huì)在每個(gè)月初提及此問題，以確保你知道該月底的立場(chǎng)以及所處的位置建議時(shí)間：你每周平均應(yīng)在該部分上花費(fèi)多少時(shí)間學(xué)習(xí)資源：該月你將學(xué)習(xí)的計(jì)算機(jī)視覺主題的頂級(jí)資源集合，其中包括文章，教程，視頻，研究論文和其他類似資源你可以在此處下載該學(xué)習(xí)路徑的相應(yīng)信息圖。https：／／discuss．a(chǎn)nalyticsvidhya．com／t／heres－your－learning－path－to－master－computer－vision－in－2020／87785在數(shù)據(jù)科學(xué)領(lǐng)域?qū)ふ移渌麑W(xué)習(xí)途徑？別擔(dān)心，我們?yōu)槟闾峁┝耍?020年成為數(shù)據(jù)科學(xué)家和掌握機(jī)器學(xué)習(xí)的學(xué)習(xí)之路https：／／www．a(chǎn)nalyticsvidhya．com／blog／2020／01／learning－path－data－scientist－machine－learning－20202020年掌握深度學(xué)習(xí)的學(xué)習(xí)道路https：／／www．a(chǎn)nalyticsvidhya．com／blog／2020／01／comprehensive－learning－path－deep－learning－2020自然語言處理（NLP）學(xué)習(xí)路徑https：／／www．a(chǎn)nalyticsvidhya．com／blog／2020／01／learning－path－nlp－2020第1個(gè)月 – 涵蓋基礎(chǔ)知識(shí)：Python與統(tǒng)計(jì)目標(biāo)：到第一個(gè)月末，你將對(duì)什么是計(jì)算機(jī)視覺有基本的了解。你還將對(duì)Python和Statistics（計(jì)算機(jī)視覺之旅中的兩個(gè)核心主題）有一定的知識(shí)儲(chǔ)備。

建議時(shí)間：每周5－6小時(shí)

計(jì)算機(jī)視覺的介紹和動(dòng)機(jī)：SAS計(jì)算機(jī)視覺教程：它是什么，它為什么重要：https：／／www．sas．com／en＿in／insights／analytics／computer－vision．html

OpenCV中文官方教程v4．1（可選）：http：／／woshicver．com

先決條件：

Python：Analytics Vidhya撰寫的Python課程https：／／courses．a(chǎn)nalyticsvidhya．com／courses／introduction－to－data－science統(tǒng)計(jì)：可汗學(xué)院的描述性統(tǒng)計(jì)https：／／www．khanacademy．org／math／engageny－alg－1／alg1－2第2個(gè)月 – 使用機(jī)器學(xué)習(xí)解決圖像分類問題目標(biāo)：你將對(duì)機(jī)器學(xué)習(xí)有基本的了解。你應(yīng)該熟悉不同的圖像預(yù)處理技術(shù)，并能夠使用機(jī)器學(xué)習(xí)模型解決圖像分類問題。

建議時(shí)間：每周5－6小時(shí)

機(jī)器學(xué)習(xí)基礎(chǔ)：機(jī)器學(xué)習(xí)基礎(chǔ)https：／／www．a(chǎn)nalyticsvidhya．com／blog／2015／06／machine－learning－basics／sklearn中文官方教程0．22．1（可選）：http：／／sklearn123．com線性回歸https：／／www．a(chǎn)nalyticsvidhya．com／blog／2017／06／a－comprehensive－guide－for－linear－ridge－and－lasso－regression／邏輯回歸https：／／www．a(chǎn)nalyticsvidhya．com／blog／2015／10／basics－logistic－regression／斯坦福大學(xué)－機(jī)器學(xué)習(xí)的動(dòng)機(jī)與應(yīng)用https：／／see．stanford．edu／Course／CS229／47斯坦福大學(xué)的“過擬合”和“過擬合”的概念https：／／see．stanford．edu／Course／CS229／42圖像預(yù)處理：從圖像中提取特征的3種技術(shù)https：／／www．a(chǎn)nalyticsvidhya．com／blog／2019／08／3－techniques－extract－features－from－image－data－machine－learning－python／HOG特征https：／／www．a(chǎn)nalyticsvidhya．com／blog／2019／09／feature－engineering－images－introduction－h(huán)og－feature－descriptor／SIFT特征https：／／www．a(chǎn)nalyticsvidhya．com／blog／2019／10／detailed－guide－powerful－sift－technique－image－matching－python／使用機(jī)器學(xué)習(xí)進(jìn)行圖像分類：使用邏輯回歸進(jìn)行圖像分類https：／／www．kaggle．com／gulsahdemiryurek／image－classification－with－logistic－regression使用Logistic回歸進(jìn)行圖像分類https：／／mmlind．github．io／Using＿Logistic＿Regression＿to＿solve＿M(jìn)NIST／項(xiàng)目：識(shí)別服裝https：／／datahack．a(chǎn)nalyticsvidhya．com／contest／practice－problem－identify－the－apparels／第三個(gè)月 –  Keras和神經(jīng)網(wǎng)絡(luò)簡介目標(biāo)：你將學(xué)習(xí)最常用的深度學(xué)習(xí)工具之一－Keras，你還將了解什么是神經(jīng)網(wǎng)絡(luò)以及它們?nèi)绾喂ぷ鳎�到三月底，你將能夠使用神�?jīng)網(wǎng)絡(luò)解決圖像分類問題。