這篇文章主要是基於我自己的經驗，側重於計算機視覺學習資源的介紹，如果大家按照這個路線去學，相信這將在很大程度上促進提高你的計算機視覺知識水平。
在開始學習計算機視覺之前，我們先來了解有關機器學習和python基礎知識。
框架（frameworks）
雖然你不必從一開始就去考慮選擇何種框架，但是實踐應用新的知識是必要的。
對應框架並沒有太多選擇，主要為：pytorch或keras（tensorflow）。pytorch可能需要編寫更多**，但在返回方面具有很大的靈活性，因此我們可以先學習如何使用pytorch。此外，大多數深度學習研究人員也普遍使用pytoch。
albumentation(影象增強庫)和catalyst(框架，pytorch頂部的高階api)在我們學習計算機視覺的過長中也是很常用的工具，我們也可以先學習和使用它們，尤其是第乙個。
硬體理論與實踐
fast.ai是我們應該學習的另一門課程。fast.ai是pytorch之上的高階框架，但是它們過於頻繁地更改其api，並且缺乏文件使其使用不方便。但是，花些時間看這門課程的理論和有用的技巧是不錯的選擇。（免費）
在學習這些課程時，我建議你將理論付諸實踐，將其應用於其中乙個框架。
文章和**
github——對於實踐的**，你將在這裡找到。（免費）（
書籍雖然需要讀的書籍不多，但是我相信這兩本書都是有用的，無論你選擇使用pytorch還是keras
pytorch團隊eli stevens和luca antiga的pytorch 深度學習（免費）
kaggle
有挑戰的學習方式（推薦）
另一種替代方法可能很難，但是這種方法可以讓你獲得計算機視覺不同領域的知識，大家可以針對自己的研究方向選擇具體的計算機視覺領域進行學習。（小博主提醒：大批乾貨來襲，視覺各個領域經典代表性專案列表如下所示。）
網路架構
語義分割
生成對抗網路
目標檢測
例項分割
姿態估計
歡迎關注磐創ai部落格站：
sklearn機器學習中文官方文件：
歡迎關注磐創部落格資源彙總站：
（計算機視覺）計算機視覺基礎
opencv cximage cimg freeimage opencv中vc庫的版本與visual studio版本的對應關係 vc8 2005 vc9 2008 vc10 2010 vc11 2012 vc12 2013 vc14 2015 vc15 2017 visual studio中的輔助...
計算機視覺
主講老師 曹洋 課程 視覺 基礎 底 層處理 影象處理 特徵提 取 中 層處理 影象分割 相機標 定 深度 估計 運 動估計 高層處 理 3d 重建 目 標識別 視 覺基 礎 底層 處理 圖 像處理 特徵提取 中層 處理 圖 像分割 相機標定 深度估 計 運動 估計 高層處理 3d重 建 目標 識別...
計算機視覺
眾所周知，計算機不認識影象,只認識數字。為了使計算機能夠 理解 影象，從而具有真正意義上的 視覺 本章我們將研究如何從影象中提取有用的資料或資訊，得到影象的 非影象 的表示或描述，如數值 向量和符號等。這一過程就是特徵提取，而提取出來的這些 非影象 的表示或描述就是特徵。有了這些數值或向量形式的特徵...