【建议收藏】CV学习路径推荐
我跟几位BATJ现职的CV算法工程师聊了聊学习路径的话题——
- 学习CV要具备哪些基础?
- CV算法工程师应当掌握哪些技能?
01
学习CV要具备哪些基础
01 编程与数理基础
掌握Python基础理论知识、了解第三方数据科学库,能够使用Python语言进行初级机器学习编程。掌握线性代数、微积分、概率论、最优化的相关知识。
02 机器学习基础
了解线性回归、逻辑回归、决策树等机器学习经典模型、能够基于Python语言上手机器学习算法实践。
03 深度学习基础
熟练卷积神经网络和循环神经网络、了解简单的Pytorch使用。
04 计算机视觉基础
以OpenCV为基础,掌握图像基础知识、基本处理等CV方向的基础理论。
02
算法模型——读这些论文
01 图像分类
vgg、inception、resnet、mobilenet、SENet。
02 图像分割
unet、deeplab系列、FCN、SegNet、BiSeNet。
03 目标检测
SSD、FPN、RetinaNet、Faster rcnn、AnchorFree、基于Transformer和CNN的端到端检测。
04 GAN
GAN、DCGAN、Pix2Pix。
03
项目学习——理论结合实战
01 图像分类
图像分类是计算机视觉领域最基础也是最核心的任务,虽然最近涌现出大量优秀的CNN模型可直接用于图像分类,简化了传统图像分类人工设计特征的流程,但是真正的企业级应用中远不止使用CNN网络模型那么简单。实际项目算法开发过程中,除了模型使用还需要考虑数据分布、类别均衡、数据增强、损失函数等trick的应用。
推荐项目:花朵分类&不均衡Cifar分类
熟悉训练技巧,掌握独立完成项目级图像分类模型训练的能力。
02 图像分割
图像分割是CV主要方向之一,在自动驾驶、人像抠图、医学图像分析和工业质检均有广泛应用。能掌握经典图像分割算法,熟悉代码开发流程,独立完成图像分割项目是算法工程师必备的能力。
推荐项目:自动驾驶语义分割&人像分割及证件照制作
用代码实现数据集读取、图像分割模型训练、训练分析、模型推理、线上部署。完整地做一次图像分割项目实战。
03 目标检测
目标检测是CV领域的重要方向之一,在自动驾驶、卫星遥感、机器人、智慧工厂、智能交通等领域中应用广泛。掌握经典的目标检测算法,学会检测器性能提升方法和模型轻量化的方法,了解模型部署的流程,是计算机视觉工程师的必备技能,也是进入各大厂和创业公司的必要条件。
推荐项目:基于YOLOX构建高性能目标检测器&轻量级目标检测器
掌握构建baseline检测器的方法,掌握目标检测器性能优化和轻量化的技巧,了解工程实践中目标检测任务开发的一般流程。
04 GAN
生成式对抗网络模型被誉为“下一代深度学习框架”,是目前最强大的生成式模型,已在图像视频生成、增强、编辑等应用领域广泛落地。每隔一段时间网络上就会出现关于其神奇效果的相关报道,比如换脸、绘画、让人物跳舞、老片修复、以及让照片人脸动起来等等。这其中,图像增强可谓是GAN落地最成熟的一个方向。此外,数据爬取、数据分析筛选、模型批量调参、模型快速部署等算法工程师必备技能也是本项目的重点。
推荐项目:图像增强经典超分辨率任务均衡Cifar分类项目
学习和探索GAN技术是如何在企业中一步步落地,解决客户的实际需求。
相关文章
- DN-DETR:引入去噪训练以加速收敛
- 大专学历转行程序员,先去专升本还是先参加工作?
- 关于知识蒸馏,你一定要了解的三类基础算法
- 深度解决添加复杂数据增强导致训练模型耗时长的痛点
- 部署神器 Halide:零基础实现高性能算法
- 这样的双向奔赴真好!OpenMMLab 2.0 你问我答大公开
- PyTorch 2.0 重磅发布:一行代码提速 30%
- 好看又实用的自动化平台
- 绕过短信验证码认证的方式
- 重点已划好!OpenMMLab 11 月动态一览
- 入门web安全的最佳途径
- 网络安全部分
- 【数据链路层】循环冗余码CRC、后退N帧协议GBN、选择重传协议SR、CSMA/CA
- 自监督学习系列(四):基于蒸馏的图片掩码学习
- 回忆杀 | 那些过时的安全技术
- 国外漏洞赏金数据共享
- 大比分领先!大规模细粒度图像分类冠军方案
- 隔离网络环境下如何实现文件传输
- 【网络层】动态路由算法、自治系统AS、IP数据报格式
- 从 xss 反打到进小黑屋的故事