Cpp二轮计算机视觉学习路线

前言

首先恭喜大家通过本团队的一轮考核，但是真正的考核才刚刚开始，一轮考核只是对大家基础能力的一次试炼，二轮考核才是强者之间的竞争。有部分同学一轮考核做的可能不如别的同学优秀，但考虑到Ta们积极做题、参加考核的态度，我们都给予了机会，往年也有例子，一轮做不好的同学在二轮爬头成为第一名进入团队，所以乾坤未定你我皆是黑马，希望大家在接下来的一个月能抽出更多的时间去学习视觉知识，积极完成考核内容。团队里保研北大、上海大学的视觉方向的师兄都说过，只要你不放弃，一切皆有可能。

关于二轮考核

从现在开始大家就可以开始按照学习路线去学习视觉知识了，二轮考核的内容主要考察视觉方向的知识，不考算法题（但是也不能落下算法）。

①二轮考核时间：大概有一个月的时间。

②二轮考核地点：不限，需要在考核时间截至前提交自己的作品，并进行现场答辩介绍项目

③二轮考核内容：具体功能要求在一轮面试后发布

CV计算机视觉学习路线

PS：大家可以参考此学习路线，也可以查看之前发布的22级计算机视觉学习路线

（1）思维导图（源文件下载xmind即可打开）

图片如下，图片里面的链接对应下面文字内容

第一模块：理论知识

第一阶段：基础知识

• 1.Python基础

• 菜鸟Python教程

  • https://www.runoob.com/python/python-tutorial.html

    • 点击可跳转

  • 学到内置函数即可

    • 机器学习与深度学习中数据处理实现模型以及验证模型的主力语言

• 2.编辑平台

  • VS+code

    • https://code.visualstudio.com/

      • 点击可跳转安装

• 3.经典的科学计算库

  • Numpy

  • Pandas

  • 数据分析实战

    • 推荐书籍：利用Python做数据分析

      • 附有中文电子版

• 4.深度学习框架

  • PyTorch

• 5.高等数学必备基础

  • 线性代数

    • 向量、矩阵、运算、范数、特征向量和特征值

  • 微积分

  • 概率论

  • 最优化

  • 数理统计

  • 泰勒公式

  • 推荐书籍：数学之美第三版

    • 附有电子版

  • 推荐视频：中南大学博士联合南安普顿AI硕士授课

https://www.bilibili.com/video/BV1Pt4y1b75A?spm_id_from=333.337.search-card.all.click&vd_source=231fb1b082b38ab4d
f9a1fa0683dd9e5

    - 点击可直接跳转

第二阶段：机器学习基础

• 1.算法理论

  • 1.统计学习概述

  • 2.感知机

  • 3.KNN（最近邻）

  • 4.朴素贝叶斯

  • 5.决策树

  • 6.逻辑回归

  • 7.支持向量机

  • 8.提升树

  • 9.EM模型

  • 10.隐马尔可夫模型

  • 11.条件随机场

  • 12.梯度下降优化方法

  • 13.XGBoost、LigtBGM

  • 辅助阅读博客：刘建平

    • 博客主页：https://www.cnblogs.com/pinard

      • 点击直接跳转

      • 刘建平在学习统计学习的过程中，用自己的方式解读了一篇，非常的清晰，有理论介绍和代码实现。

    • Github仓库：https://github.com/ljpzzz/machinelearning

      • 点击直接跳转

• 2.项目实战

  • kaggle

    • kggle房价预测：https://www.kaggle.com/competitions/house-prices-advanced-regression-techniques

      • 点击直接跳转

    • 数据处理

    • 特征工程

    • 模型训练

    • 模型验证

    • 特征优化

    • 模型融合

  • 书籍：阿里云天池大赛赛题解析（机器学习篇）

    • 附带电子版

    • 四大任务

      • 天猫用户重复购买预测
      • 工业蒸汽预测
      • O2O优惠券预测
      • 阿里云安全恶意程序检测

• 3.算法工具包

  • scikit-learn

    • 分类、回归、聚类、降维

    • 地址：https://scikit-learn.org/stable/

      • 点击直接跳转

第三阶段：深度学习基础与计算机视觉

• 1.核心底层基础

  • CNN卷积神经网络

  • 了解PyTorch的使用

    • B站刘二大人：https://www.bilibili.com/video/BV1Y7411d7Ys?spm_id_from=333.999.0.0&vd_source=ff05104631a225820afb591e48f5308b

      • 点击直接跳转

• 2.算法模型

  • 图像分类

    • vgg
    • inception
    • resnet
    • mobilenet
    • SENet

  • 语义分割

    • unet
    • deeplab系列
    • FCN
    • SegNet
    • SegNet

  • 目标检测

    • Faster rcnn
    • YOLO系列
    • AnchorFree

  • 图像生成

    • GAN
    • DCGAN
    • Pix2Pix

• 3.OpenCV

  • 教程：https://github.com/spmallick/learnopencv

    • 点击直接跳转

• 4.推荐课程：计算机视觉Cs231n

  • 课程链接：https://www.bilibili.com/video/BV1nJ411z7fe?spm_id_from=333.337.search-card.all.click&vd_source=ff05104631a225820afb591e48f5308b

    • 点击直接跳转

  • 课后作业：https://github.com/rishabh-16/cs231n-2019-assignments

    • 点击直接跳转

• 5.推荐书籍：邱锡鹏老师的《神经网络与深度学习》

  • 附有电子版和课件源码

  • 视频版本链接：https://www.bilibili.com/video/BV13b4y1177W?spm_id_from=333.337.search-card.all.click

    • 点击直接跳转

第二模块：CV必读论文代码

1-14

14-28

大部分论文附带中文版

推荐一个Github仓库和可视化网站

• 仓库：https://github.com/labmlai/annotated_deep_learning_paper_implementations

  • 点击直接跳转

• 可视化网站：https://nn.labml.ai/

  • 点击直接跳转

第三模块：数据集分享

给大家推荐一个网站：paperswithcode

• 怎么查找数据集呢？

  • 步骤1
  • 步骤2

第四模块：项目实战

图像分类

• https://github.com/waitingfordark/four_flower

  • 点击直接跳转

语义分割

• https://github.com/LeeJunHyun/Image_Segmentation

  • 点击直接跳转

目标检测

• https://github.com/ultralytics/yolov5

  • 点击直接跳转

图像生成

• https://github.com/YadiraF/GAN

  • 点击直接跳转

第五模块：预估学习时长

正常进度

• 三个月

个人因素

• 可能不需要三个月，也很有可能远远超过三个月

辅助阅读视频（B站陆小亮）：https://www.bilibili.com/video/BV1W7411N7Ag?spm_id_from=333.337.search-card.all.click&vd_source=ff05104631a225820afb591e48f5308b

点击直接跳转