人工智能研究方向和自学框架

一、人工智能研究方向

1. 计算机视觉（Computer Vision, CV）——纯粹的深度学习方向的研究

• 人脸相关（人脸识别转正关键点检测）
• 图像复原（去噪去雨去雾去模糊、超分、暗光增强）
• 图像补绘（Inpainting）
• 图像语义分割（Segmentation）
• 三维重建（即深度估计）
• 6D姿态估计
• 点云绘制
• 风格转换
• OCR文本识别

2. 综合理论

• 神经网络安全与对抗
• 多任务学习
• 多理论学习
• 联邦学习
• 分布式机器学习
• 域迁移（Domain Transfer）
• 无监督学习（即自监督学习）
• 损失函数研究
• 激活函数研究

3. 自然语言处理（Natural Language Processing, NLP）——深度学习与机器学习

• 机器翻译
• 自然语言理解
• 语音识别
• 聊天机器人
• 摘要生成
• 情感识别（经典方法是TF-IDF）
• 超大型语言模型研究（典型的是GTP-2、GTP-3等）

二、人工智能自学框架

• 机器学习与深度学习理论
  • 浅表认知：李宏毅网课+吴恩达网课+西瓜书
  • 了解原理：PRML+DeepLearning（花书）
  • 深刻理解：ConvexOptimization+矩阵论
• 数字图像理论
  • 数字图像处理课程和课本、基础网课
• 上机实操
  • 初级工具：Keras（不灵活） + 李宏毅网课
  • 正规工具：Pytorch
  • 高级工具：TensorFlow/Caffe