计算机视觉Note1—学习顺序

背景:

在数据爆炸的大数据时代,大量的图片,视频内容需要处理,计算机视觉便是能够简化这一任务的科学,是人工智能产业重要的一环。

所需的基本知识

1.概率学,统计学,线性代数,微积分,(数字信号处理)

Matlab,Python中的一种

建议入门课程:Coursera《概率图模型》

2.数字图像处理(有助于理解计算机视觉)

参考教材:《数字图像处理》—— Gonzalez

入门课程:Coursera 《ImageandVideoProcessing:FromMarstoHollywoodwithaStopattheHospital》

3.数学模型的运用

可参考数学建模入门书籍:《数学建模算法与应用》——司守奎

 

具备以上能力后,可以开始学习计算机视觉的高级内容

1.广泛阅读学术论文,辅以各类实践视频

推荐视频: 《DiscreteInferenceinArtificialVision》

2.引入python以及开源框架

推荐书籍:《 ProgrammingComputerVisionwithPython

3.机器学习与卷积神经网络(CovNets)

推荐书籍: 《BuildingMachineLearningSystemswithPython》 《PythonMachineLearning》

4.研究学术论文,研究研讨会。

BMVC、CVPR、ECCV、ICCV这些顶级的学术会议

 

计算机视觉作为一门交叉学科,需要对 人工智能、数字图像处理、机器学习、深度学习、模式识别、概率图模型、科学计算以及一系列的数学计算等进行深入的研究。克服重重困难,才能拨云见日。

你可能感兴趣的:(计算机视觉学习笔记)