CV计算机视觉学习路径
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
- 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/
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
- kaggle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
论文合集
链接：https://pan.baidu.com/s/1FPDk2OYe16dkZPGrsAwFUg
提取码：4i1b
--来自百度网盘超级会员V4的分享
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
