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。

如 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。