深度学习算法工程师的基本要求 熟练掌握python和c++编程，至少熟悉 Caffe 和 /Pytorch 两种框架。熟练玩转深度学习各类模型架构使用和设计。熟练玩转数据的整理和使用，必须深刻理解数据在深度学习任务中的地位。

计算机视觉学习路线资料推送

01 机器学习及OpenCV学习路线

想快速入门的话，从自己的经验看，可以先不看高等数学和线性代数，因为机器学习和深度学习中涉及的相关知识并不多。

视觉的知识部分建议分成两部分学习，第一部分传统图像处理，第二部分基于深度学习的图像处理。

计算机视觉的提升不在于搭建模型，而在于不断调优、改进过程中积累的经验。

我们该怎么针对不同领域的图像设置不同的参数？其中包括卷积核大小、网络架构、初始权重等等，不可能拿到一个模型，既适合医学图像，又适合人脸识别，这其中就需要n次从70%的精度调到95%以上中积累出经验。

对于深度学习的学习我并不建议，直接就学习深度学习的相关知识，毕竟深度学习是基于机器学习而来的。

所以在入门CV之前，同学们最好对基础的学术课程都有对应的了解，比如数学方面的微积分，概率学，统计学，线性代数这几门基础课程。

在编程语言方面，Matlab，Python，C++，最好熟悉其中2种，因为计算机视觉离开计算机编程是完全行不通的。（python和C++书籍推荐）

02 系统的学习以下计算机视觉课程

在这里班主任推荐3本经典教材：

《 Vision: A Modern 》

《 Vision: and 》

《 Vision: Models, , and 》

这三本教材班主任认为是计算机视觉最好的入门教材了，内容丰富，难度适中，其中第二本书涉及大量的文献，很适合对计算机视觉没什么概念的同学。这三本教材都不建议读中文版，有些地方的翻译不是很合适。

03 绕不开的数字图像处理

数字图像处理(Digital Image )是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

入门的同学推荐冈萨雷斯的《数字图像处理》《数字图像处理(第3版)(英文版)》和对应的Matlab版本。一本讲基础的理论，一本讲怎么用Matlab实现。

《OpenCV3编程入门》书本配套源代码

04 贯穿始终的模式识别

模式识别（Pattern ），就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。

计算机视觉很多东西都是基于图像识别的，图像识别就是模式识别的一种。

模式识别通常是训练一个模型来拟合当前的数据，当我们拿到一堆数据或图片，需要从当中找到它们的关系，最便捷的便是用模式识别算法来训练一个模型。

班主任推荐一本模式识别入门级的教材《模式分类》，相对于《模式识别》这本书来说可能比较难，但书中介绍了很多模式识别经典的分类器，还是很值得一读。

什么是卷积？卷积就是两个函数之间的相互关系，然后得出一个新的值，他是在连续空间做积分计算，然后在离散空间内求和的过程。

同学们可以试着学习下CNN在计算机视觉当中的应用，推荐大家荐斯坦福的CS231n课程：深度学习与计算机视觉。

我建议开始看吴恩达老师的《机器学习》课程，这个课程相信许多人已经快推荐烂了，但是我依然觉得必须推荐，毕竟这是我的第一位入门导师（我是出身机械专业的，都没有编程基础的小辣鸡，狗头）。

B站链接：（）

看《机器学习》课程的时候，我觉得有必要练习一下课后习题，利用Python进行编写。

对了，在看《机器学习》的时候，里面会有编程的内容建议略过，因为里面的编程语言不是Python更像是低配版的Matlab。

对于Python的学习我看了很多，让我推荐一个我还真不好推荐，那就建议看看廖雪峰老师的官网的Pyhon教学吧，建议看看前面的基础就行，不用深究，慢慢的就会了。这里想说一下，其实都是直接先动手过一遍，再慢慢去弄明白原理。有些东西上来没办法直接理解，只能慢慢熟悉了再去理解！

链接：（）

想看视频的话，我也不知道推荐看谁的好，自己在B站找个比较符合自己口味的就OK！

课后习题推荐看B站一位小姐姐的课程，基础太差感觉自己编写的话很费时间的。参考一下，把代码敲一遍也算是把Pyhton编程语言学了一遍。

B站链接：（）

学习完之后我觉得可以看点OpenCV的基础知识

05 深度学习学习路线

深度学习的话，我还是建议先看吴恩达老师的《深度学习：》，比较适合零基础的同学。

B站链接：（）

学习完理论知识记得需要强化一下动手能力，推荐比较适合零基础的同学，看这个PyTorch教程，快速入门了解神经网络架构PyTorch，进行网络搭建。（B站up主：小土堆）讲的很不错很详细哦~！

B站链接：（）

看完之后再看李宏毅老师的21版最新的《深度学习》，20版也不错哦~！这个视频里面也会讲到PyTorch的知识，相当于巩固了一下。

B站链接：（）

另外再学学李沫老师的《动手学习深度学习》

B站链接：（）

学习pytorch和了，莫烦的还有他们的官方文档都很详细，你可以选择去看。我当时是买的书，pytorch 的我买的博文的：深度学习入门之——pytorch，的我买的机械工业出版社的深度学习之入门，原理与进阶实战。这两本都很适合入门。

推荐资料：

莫凡教程系列之PyTorch :

中文社区：

总结

好啦，说了这么多，替大家总结了一份简洁的学习路线图。希望能够帮助大家，毕竟在这条道路上没人指导真的很难！当初自己就学的很累！

06 复现论文

尝试阅读和复现如下文章，你将受益匪浅。助前行，希望对大家有所帮助。

网络架构

AlexNet:

ZFNet:

VGG16:

ResNet:

:

:

:

:

语义分割

FCN:

SegNet:

UNet:

PSPNet:

DeepLab:

ICNet:

ENet:

生成对抗网络

GAN:

DCGAN:

WGAN:

Pix2Pix:

:

目标检测

RCNN:

Fast-RCNN:

Faster-RCNN:

SSD:

YOLO:

:

实例分割

Mask-RCNN:

YOLACT:

姿态估计

PoseNet:

:

原文链接：