我自己的一点感受是，做CV一开始还是需要先了解些机器学习（毕竟是基础），之后专注于CV方向时先有个大方向再看前沿发展，不要被细节给困住。
先说一些稍微general的部分
特征工程
这本书个人感觉被低估了。作者对特征提取的理解十分到位，关于CV部分也是从特征的角度来讲了CV的特殊之处，和为什么CNN解决了以前传统的HOG等方法没能解决的问题。
Hands-on machine learning with sklearn and tensorflow
业界第一的cookbook。虽然现在tensorflow没以前风头大了，但这本书内容的解释很深入浅出。作者的ytb很久没更新了，但既有内容都挺好的。
课程：
MIT 6.S191
这门课我一开始以为很水，实际上在一些关键部分还讲得不错。课程很紧凑，信息量还挺大。
Udacity computer vision non-degree course
我在前司报销上了这门课，很扎实，TA也很不错。项目对于初学者是比较难的，和课程内容之间有点gap. 量很大，时间也比较紧，不太适合时间精力不够的中年人。但这不是课程本身的问题。
论文
CV的几个关键点，比如resNet的论文是需要看下的，理解这个突破的重点在哪里。CV的几个比较大的板块（object recognition etc) 都有自己的milestone，把这些点串起来，形成自己的理解。
最后但也是最重要的
我个人的体会是，CV最重要的是学会理清思路，不论是练习kaggle也好还是project，在去找可以直接套用的model之前需要锻炼一个我应该怎么处理这个问题的思考能力。
网友评论