2020年，如何学习和掌握计算机视觉

• 目录

  1. 前言

  2. 框架

  3. 硬件

  4. 理论&实践

  4.1 网课

  4.2 文章与代码

  4.3 书

  4.4 竞赛

   5. 更艰难的方法

  5.1 前言

  5.2 架构

  5.3 语义分割

  5.4 目标检测

  5.5 实例分割

  5.6 姿态估计

  6. 参考

  ---

  1. 前言

  • 在学习计算机视觉之前，了解基础的机器学习算法和Python会更好

• 2. 框架

  • 2.1 没必要在一开始就选定框架，但是应用最新获得的知识是必要的
  • 2.2 可选的框架并不多：
    • 2.2.1 Pytorch / Keras(TensorFlow)：PyTorch有更大的代码量，但也更为灵活。除此之外，大多数深度学习的研究者也开始使用PyTorch
    • 2.2.2 Albumentation(一个快速、灵活的图像增强Python库)和Catalyst(着重于可再现性，快速实验和代码库重用的PyTorch框架)

• 3. 硬件

  • 3.1 Nvidia GPU 10XX+ 的型号已足够（$300+）
  • 3.2 Kaggle Kernels：每周可免费试用30小时
  • 3.3 Google Colab：每个会话可以免费使用12小时，每周时限未知

• 4. 理论&实践

  • 4.1 网课

    • 4.1.1 CS231n：网课首选。它包含了计算机视觉所有必要的基础。Youtube资源，B站有搬运资源。它有课后作业，但并不推荐
    • 4.1.2 Fast.ai：第二可选。Fast.ai是封装了PyTorch的高级框架，但由于它频繁的更换API（Application Programming Interface，应用程序接口）以及缺少说明文档，并不推荐使用。不过从理论和技巧方面来说，这个网课值得看
    • 在学习这些课程时，推荐把它们应用到框架上，完成理论与实践的结合

  • 4.2 文章与代码

    • 4.2.1 ArXiv.org：这里有所有的最新文章（免费）
    • 4.2.2 https://paperswithcode.com/sota：大多数常见深度学习任务的最前沿研究，不只是计算机视觉（免费）
    • 4.2.3 Github：在这里可以找到一些实现代码（免费）

  • 4.3 书

    • 不需要阅读太多。但无论你使用的是PyTorch还是Keras，如下两本书都很有用
    • 4.3.1 Deep Learning with Python：由Keras作者和谷歌AI研究员François Chollet所著。易于阅读，并且你会获得一些你之前不知道的见解（付费）
    • 4.3.2 Deep learning with Pytorch：由PtTorch团队的Eli Stevens & Luca Antiga所著（免费）

  • 4.4 竞赛

    • 4.4.1 Kaggle：这是一个著名的用于各种机器学习竞赛的在线平台，其中的许多竞赛与计算机视觉有关。在完成课程学习之前就可以开始参加，因为当竞赛开始时，会有很多开源的kernals（端到端的代码），你可以直接在浏览器中运行它们（免费）

•  5. 更艰难的方法

  • 5.1 前言

    • 另一个可选的学习方法可能会有点困难，但是你不仅可以完成从训练模型到实现预测的流程，还完成自己的研究。参考自Sergei Belousov aka bes
    • 你只需要阅读和实现如下文章（免费）。如果只是阅读它们，也大有裨益

  • 5.2 架构

    • AlexNet: https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks
    • ZFNet: https://arxiv.org/abs/1311.2901
    • VGG16: https://arxiv.org/abs/1505.06798
    • ResNet: https://arxiv.org/abs/1704.06904
    • GoogLeNet: https://arxiv.org/abs/1409.4842
    • Inception: https://arxiv.org/abs/1512.00567
    • Xception: https://arxiv.org/abs/1610.02357
    • MobileNet: https://arxiv.org/abs/1704.04861

  • 5.3 语义分割

    • FCN: https://arxiv.org/abs/1411.4038
    • SegNet: https://arxiv.org/abs/1511.00561
    • UNet: https://arxiv.org/abs/1505.04597
    • PSPNet: https://arxiv.org/abs/1612.01105
    • DeepLab: https://arxiv.org/abs/1606.00915
    • ICNet: https://arxiv.org/abs/1704.08545
    • ENet: https://arxiv.org/abs/1606.02147

  • 5.4 目标检测

    • RCNN: https://arxiv.org/abs/1311.2524
    • Fast-RCNN: https://arxiv.org/abs/1504.08083
    • Faster-RCNN: https://arxiv.org/abs/1506.01497
    • SSD: https://arxiv.org/abs/1512.02325
    • YOLO: https://arxiv.org/abs/1506.02640
    • YOLO9000: https://arxiv.org/abs/1612.08242

  • 5.5 实例分割

    • Mask-RCNN: https://arxiv.org/abs/1703.06870
    • YOLACT: https://arxiv.org/abs/1904.02689

  • 5.6 姿态估计

    • PoseNet: https://arxiv.org/abs/1505.07427
    • DensePose: https://arxiv.org/abs/1802.00434

• 6. 参考

  • https://towardsdatascience.com/guide-to-learn-computer-vision-in-2020-36f19d92c934?gi=f07d48c9cd8b