深度學習算法工程師的基本要求 熟練掌握python和c++編程，至少熟悉 Caffe 和 /Pytorch 兩種框架。熟練玩轉深度學習各類模型架構使用和設計。熟練玩轉數據的整理和使用，必須深刻理解數據在深度學習任務中的地位。

計算機視覺學習路線資料推送

01 機器學習及OpenCV學習路線

想快速入門的話，從自己的經驗看，可以先不看高等數學和線性代數，因為機器學習和深度學習中涉及的相關知識并不多。

視覺的知識部分建議分成兩部分學習，第一部分傳統圖像處理，第二部分基于深度學習的圖像處理。

計算機視覺的提升不在于搭建模型，而在于不斷調優、改進過程中積累的經驗。

我們該怎么針對不同領域的圖像設置不同的參數？其中包括卷積核大小、網絡架構、初始權重等等，不可能拿到一個模型，既適合醫學圖像，又適合人臉識別，這其中就需要n次從70%的精度調到95%以上中積累出經驗。

對于深度學習的學習我并不建議，直接就學習深度學習的相關知識，畢竟深度學習是基于機器學習而來的。

所以在入門CV之前，同學們最好對基礎的學術課程都有對應的了解，比如數學方面的微積分，概率學，統計學，線性代數這幾門基礎課程。

在編程語言方面，Matlab，Python，C++，最好熟悉其中2種，因為計算機視覺離開計算機編程是完全行不通的。（python和C++書籍推薦）

02 系統的學習以下計算機視覺課程

在這里班主任推薦3本經典教材：

《 Vision: A Modern 》

《 Vision: and 》

《 Vision: Models, , and 》

這三本教材班主任認為是計算機視覺最好的入門教材了，內容豐富，難度適中，其中第二本書涉及大量的文獻，很適合對計算機視覺沒什么概念的同學。這三本教材都不建議讀中文版，有些地方的翻譯不是很合適。

03 繞不開的數字圖像處理

數字圖像處理(Digital Image )是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的方法和技術。

入門的同學推薦岡薩雷斯的《數字圖像處理》《數字圖像處理(第3版)(英文版)》和對應的Matlab版本。一本講基礎的理論，一本講怎么用Matlab實現。

《OpenCV3編程入門》書本配套源代碼

04 貫穿始終的模式識別

模式識別（Pattern ），就是通過計算機用數學技術方法來研究模式的自動處理和判讀。我們把環境與客體統稱為“模式”。

計算機視覺很多東西都是基于圖像識別的，圖像識別就是模式識別的一種。

模式識別通常是訓練一個模型來擬合當前的數據，當我們拿到一堆數據或圖片，需要從當中找到它們的關系，最便捷的便是用模式識別算法來訓練一個模型。

班主任推薦一本模式識別入門級的教材《模式分類》，相對于《模式識別》這本書來說可能比較難，但書中介紹了很多模式識別經典的分類器，還是很值得一讀。

什么是卷積？卷積就是兩個函數之間的相互關系，然后得出一個新的值，他是在連續空間做積分計算，然后在離散空間內求和的過程。

同學們可以試著學習下CNN在計算機視覺當中的應用，推薦大家薦斯坦福的CS231n課程：深度學習與計算機視覺。

我建議開始看吳恩達老師的《機器學習》課程，這個課程相信許多人已經快推薦爛了，但是我依然覺得必須推薦，畢竟這是我的第一位入門導師（我是出身機械專業的，都沒有編程基礎的小辣雞，狗頭）。

B站鏈接：（）

看《機器學習》課程的時候，我覺得有必要練習一下課后習題，利用Python進行編寫。

對了，在看《機器學習》的時候，里面會有編程的內容建議略過，因為里面的編程語言不是Python更像是低配版的Matlab。

對于Python的學習我看了很多，讓我推薦一個我還真不好推薦，那就建議看看廖雪峰老師的官網的Pyhon教學吧，建議看看前面的基礎就行，不用深究，慢慢的就會了。這里想說一下，其實都是直接先動手過一遍，再慢慢去弄明白原理。有些東西上來沒辦法直接理解，只能慢慢熟悉了再去理解！

鏈接：（）

想看視頻的話，我也不知道推薦看誰的好，自己在B站找個比較符合自己口味的就OK！

課后習題推薦看B站一位小姐姐的課程，基礎太差感覺自己編寫的話很費時間的。參考一下，把代碼敲一遍也算是把Pyhton編程語言學了一遍。

B站鏈接：（）

學習完之后我覺得可以看點OpenCV的基礎知識

05 深度學習學習路線

深度學習的話，我還是建議先看吳恩達老師的《深度學習：》，比較適合零基礎的同學。

B站鏈接：（）

學習完理論知識記得需要強化一下動手能力，推薦比較適合零基礎的同學，看這個PyTorch教程，快速入門了解神經網絡架構PyTorch，進行網絡搭建。（B站up主：小土堆）講的很不錯很詳細哦~！

B站鏈接：（）

看完之后再看李宏毅老師的21版最新的《深度學習》，20版也不錯哦~！這個視頻里面也會講到PyTorch的知識，相當于鞏固了一下。

B站鏈接：（）

另外再學學李沫老師的《動手學習深度學習》

B站鏈接：（）

學習pytorch和了，莫煩的還有他們的官方文檔都很詳細，你可以選擇去看。我當時是買的書，pytorch 的我買的博文的：深度學習入門之——pytorch，的我買的機械工業出版社的深度學習之入門，原理與進階實戰。這兩本都很適合入門。

推薦資料：

莫凡教程系列之PyTorch :

中文社區：

總結

好啦，說了這么多，替大家總結了一份簡潔的學習路線圖。希望能夠幫助大家，畢竟在這條道路上沒人指導真的很難！當初自己就學的很累！

06 復現論文

嘗試閱讀和復現如下文章，你將受益匪淺。助前行，希望對大家有所幫助。

網絡架構

AlexNet:

ZFNet:

VGG16:

ResNet:

:

:

:

:

語義分割

FCN:

SegNet:

UNet:

PSPNet:

DeepLab:

ICNet:

ENet:

生成對抗網絡

GAN:

DCGAN:

WGAN:

Pix2Pix:

:

目標檢測

RCNN:

Fast-RCNN:

Faster-RCNN:

SSD:

YOLO:

:

實例分割

Mask-RCNN:

YOLACT:

姿態估計

PoseNet:

:

原文鏈接：