2020 年计算机视觉指南

原文：towardsdatascience.com/guide-to-le…

作者：Insaf Ashrapov

译者：kbsc13（公众号：算法猿的成长）

前言

本文推荐的教程资源都是基于我个人的经验，它们对增加你的计算机视觉理论知识非常有帮助。另外，在学习计算机视觉的理论前，先了解和学习机器学习和 python 方面的知识是更好的做法。

---

框架

不需要在开始学习计算机视觉的时候，就选择使用框架，但应用新获得的知识是必要的。

对于框架的推荐，没有其他的推荐：

• pytorch：pytorch.org/tutorials/
• keras（TensorFlow）：www.tensorflow.org/guide/keras

Pytorch 可能需要写更多的代码，但是它更加灵活，所以最好选择使用它，并且越来越多的深度学习研究者都开始采用这个框架。

Albumentation（图像增强）和 catalyst（一个封装 pytorch 的高级 API 的框架）也同样是非常有帮助的，所以也可以使用它们，特别是第一个图像增强的框架--Albumentation。

---

硬件

• Nvidia GPU 10XX+ 型号已经足够使用了（大约 300$)
• Kaggle 的 kernels：www.kaggle.com/kernels ，每周30 个小时；
• 谷歌的 Colab：colab.research.google.com/ ，每个会话有12 个小时的限制，每周免费时长限制未知。

---

理论&实践

网上课程

• CS231n：cs231n.stanford.edu/，是首选的网上课程，它介绍了计算机视觉的所有必须掌握的基础知识。在 Youtube 上有课程视频，它们还有课后练习，但不建议去完成它们（尽管是免费的）；
• Fast.ai:course.fast.ai/ ，第二门应该看的课程。fast.ai也是一个封装了 pytorch 的高级框架，但它们很频繁更改它们的 API 接口，并且缺乏文档，这都是它不被推荐采用的原因。但观看它们的课程视频是可以了解到理论和有趣的技巧，这是值得花费时间的。

当学习这些课程的时候，推荐将这些理论通过推荐的框架来进行实现。

论文和代码

• arxiv.org/：免费获取最新论文的网站
• paperswithcode.com/sota：展示了深度学习最新的性能最佳的论文，不仅仅是计算机视觉方面的；
• github.com/topics/comp…：可以在这找到代码实现的算法

书籍

并没有太多书需要阅读的，除了下面两本我觉得是非常有用的书，可以任选 pytorch 或者 keras 来实现代码

• Deep Learning with Python：www.amazon.com/Deep-Learni…，作者是 Keras 的开发者、谷歌 AI 研究者--François Chollet。这不是一本免费的书，但这本书易于理解，并且可以学到很多之前不知道的知识点；
• Deep learning with Pytorch：pytorch.org/deep-learni… ，免费的书籍，来自pytorch 团队的 Eli Stevens & Luca Antiga

Kaggle

网址：www.kaggle.com/competition…

Kaggle 是一个著名的机器学习比赛在线平台，它包含了各种类型的比赛，其中很多都是计算机视觉方面的比赛。在没有学完课程的时候，就可以开始参加比赛了，因为从比赛开始，可以免费运行很多公开的 kernels（公开的端到端的代码）。

---

比较困难的学习路线

另外一条学习路径可能是非常困难，但是你不仅可以学到只是做训练模型并预测结果的知识，还可以实现自己的研究，参考自Sergei Belousov aka bes。

需要做的就是阅读并实现下面的所有论文，当然仅仅读完也是非常棒的。

网络结构

• AlexNet: papers.nips.cc/paper/4824-…
• ZFNet: arxiv.org/abs/1311.29…
• VGG16: arxiv.org/abs/1505.06…
• ResNet: arxiv.org/abs/1704.06…
• GoogLeNet: arxiv.org/abs/1409.48…
• Inception: arxiv.org/abs/1512.00…
• Xception: arxiv.org/abs/1610.02…
• MobileNet: arxiv.org/abs/1704.04…

语义分割

• FCN: arxiv.org/abs/1411.40…
• SegNet: arxiv.org/abs/1511.00…
• UNet: arxiv.org/abs/1505.04…
• PSPNet: arxiv.org/abs/1612.01…
• DeepLab: arxiv.org/abs/1606.00…
• ICNet: arxiv.org/abs/1704.08…
• ENet: arxiv.org/abs/1606.02…

生成对抗网络（GAN)

• GAN: arxiv.org/abs/1406.26…
• DCGAN: arxiv.org/abs/1511.06…
• WGAN: arxiv.org/abs/1701.07…
• Pix2Pix: arxiv.org/abs/1611.07…
• CycleGAN: arxiv.org/abs/1703.10…

目标检测

• RCNN: arxiv.org/abs/1311.25…
• Fast-RCNN: arxiv.org/abs/1504.08…
• Faster-RCNN: arxiv.org/abs/1506.01…
• SSD: arxiv.org/abs/1512.02…
• YOLO: arxiv.org/abs/1506.02…
• YOLO9000: arxiv.org/abs/1612.08…

实例分割

• Mask-RCNN: arxiv.org/abs/1703.06…
• YOLACT: arxiv.org/abs/1904.02…

姿势预估

• PoseNet: arxiv.org/abs/1505.07…
• DensePose: arxiv.org/abs/1802.00…

---

小结

这篇文章是原文作者推荐的入门计算机视觉的一些资源，包括推荐采用的深度学习框架、课程、电子书、查阅论文和代码的网站，以及一个比赛网站，kaggle；

另外还有一条会更加困难的学习路线，也就是阅读经典的论文，从网络结构到常见的计算机视觉方向，检测、分割、GAN以及姿势预估，但完成后收获就会更多，不仅仅是只会运用框架来训练模型，解决问题，还有机会往研究方向发展。

作者：AI算法笔记
链接：https://juejin.cn/post/6844904167387955214
来源：掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。