公司新闻

查看分类

计算机视觉学习路线

作者:东莞奥尔思科技有限公司 来源:东莞奥尔思科技有限公司 时间:2022/4/23 17:21:54 次数:

AI 显然是最近几年非常火的一个新技术方向,从几年前大家认识到 AI 的能力,到现在产业里已经在普遍的探讨 AI 如何落地了
我们可以预言未来在很多的领域,很多的行业,AI 都会在里边起到重要的作用。
目前在商业中有所应用,而且能够创收的只有搜索推荐和计算机视觉,因此,这两个方向的人力缺口很大。
目前入门CV的常用套路就是:
  1. 看吴恩达《机器学习》《深度学习》课程,学一点机器学习的知识。

  2. 读几篇CV模型的文章,了解一下经典的Alexnet、R-CNN系列、YOLO等。

  3. 在github上找几个tensorflow、pytorch实现上述模型的开源代码。

  4. 下载VOC、ImageNet、COCO、kaggle等数据集。

  5. 按照开源代码中的Readme准备一下数据集,跑一下结果。

但好多初学者学了两个月、跑了几次结果后就认为已经入行CV了,其实不然,这里面有一个需要注意的问题:计算机视觉属于图像处理的范畴,而很多人却把它当成机器学习来看待。
然而实际上几乎80%的CV的从业者都没有从头至尾深入的学习图像处理方面的知识。
现在有了深度学习,不需要人为提取特征了,所以很多人不再关注图像底层的信息,而是直接越过这个根基去搭建模型,我觉得这是一个误区。
不同领域的图像,例如OCT、MR、遥感、自然图像等等,有着巨大的特征差异,对这些特征差异性都不了解,怎么在搭建模型之后对精度进行提升和改进呢?怎么在原来模型的基础上做一些改变呢?
因此,我认为好好学习一下图像预处理、后处理的知识对CV有着至关重要的作用,例如图像去噪、分割、增强、增广等等。
学习心态:
日拱一卒,不期速成~
早就是优势,早学早受益!
然而网上很多教程也比较碎片,鉴于此,整理一条学习路线,跟着这个路线重新去梳理一下你的学习计划,相信计算机视觉水平一定会有质的提升。

  • 回到顶部
  • 版权所有 ©

Copyright © 2022 东莞奥尔思自动化科技有限公司 版权所有
粤ICP备2022040621号