别问这个老师学姐是从哪找来的,学姐的交际圈非常广!但学姐会筛选真正对大家有用的东西!不会发些废话上来的!今天这篇CV小白的学习路径,主要包括以下几点:
● 1.基础知识
● 2.深度学习框架选择
● 3.如何入门深度学习
● 4.进一步提升
#01
基础知识
基础知识包括:
传统图像基础知识,机器学习知识,以及相关的数学知识(包括:线性代数、矩阵论、统计)。
传统图像这块:
推荐一本书,就是冈萨雷斯版的图像处理,这本书讲解点非常全面,涵盖图像的方方面面,最新版本同样包括神经网络的一些知识点。作为小白建议看第3版就可以。
机器学习这块:
统计学习方法的书籍,当然西瓜书也可以。数学基础一般大学生都具备。
当然如果你要报班学习,大多数像paper课程、AI基础课程、深度学习课程、机器学习课程都已经涵盖了以上所有的基础课程,不过还是建议大家报名前问清楚再开始学习。
#02
深度学习框架这块
最直接推荐大家使用pytorch,PyTorch中简单的图结构更容易理解。
更重要的是,PyTorch还更容易调试。调试PyTorch代码就像调试Python代码一样。你可以使用pdb并在任何地方设置断点。
pdb这块我有一份教程,后续再给大家总结所有的书籍和教材。总而言之,这里推荐大家使用pytorch作为入门框架。
#03
如何入门深度学习
这可以最直接的方法,就是复现已有的论文。
我们都知道的深度学习开山之作alexnet,以及后续的googlenet、vgg、resnet等,这些网络模型在imagenet比赛上都取得了优异成绩。
(不知道怎么学?来看这篇抓狂!图像识别深度学习研究方向没有导师带该怎么学习?)
作为自我学习的小白,如果有能力把这些基础论文复现出来,并且搞清楚论文中的不同细节和技巧,那么对于当前的新模型也就没有太多的难度。
关键点是大家对于这些模型和论文没有一个具体的学习路径,这里推荐大家找学长或者大佬带学,或者直接报名paper的那种辅导课。一般这些课程是为大家提供的全面的路径,帮助大家复现论文,并且讲解论文其中的各种技巧。(如果拿不准报哪家可以来找学姐唠唠)
#04
如何进一步提高
如果已经完成上述步骤,具备很好的基础知识和能力。那么如何进一步提高,最好的做法就是独立研究或者参与比赛。
如何独立研究?
最好的做法是,多读、泛读论文,选定一个方向领域,把这一领域的最新论文都泛读一遍,挑选出具有影响力的论文,学习其中的技巧,然后结合自己的研究点,做实验分析是否符合自己的研究问题,如果合适就有一个baseline。
然后针对baseline的不足,进一步找方法提高性能,当然这个是在对模型和问题有一定高度理解基础上。最后,在不断尝试以后,大家一定可以对自己的研究问题有所收获。
怎么打比赛?
对于打比赛来说,最好是找几个志同道合对同学一起比赛,赛前对题目、数据集、指标详细理解透彻,然后同学之间分工合作,共同完成比赛代码的编写。这时候,就要充分使用各种技巧,包括模型融合等方法。
比赛尤其考验个人的代码能力,当大家在研究和比赛都取得一定成绩后,那么大家也都算是大佬了。
最后,祝大家都成为算法大佬。如果你获得了一些帮助请【转发一下】!帮学姐增加些人气!谢谢大家!
每天18:30分更新
关注学姐+星标+在看
不迷路看好文
很多小伙伴说这段时间看不到学姐的推文更新,以为学姐吃瓜去了。实际上是公众号推文机制调整了,如果你只是看文章,没有留言,也从来没有点过【在看】,那很可能会和我们失联。想要找回我们其实也很简单,在留言板里夸我们真棒,或者说点个在看就OK了~
分享收藏点赞在看
领取专属 10元无门槛券
私享最新 技术干货