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：
看吴恩达《机器学习》《深度学习》课程，学一点机器学习的知识。读几篇CV模型的文章，了解一下经典的Alexnet、R-CNN系列、YOLO等。在github上找几个tensorflow、pytorch实现上述模型的开源代码。下载VOC、ImageNet、COCO、kaggle等数据集。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。
资源已经整理好了，文末附下载方式！以下是详细内容介绍～
第一章：机器学习与计算机视觉计算机视觉简介技术背景了解人工智能方向、热点计算机视觉简介cv简介cv技能树构建应用领域机器学习的数学基础线性与非线性变换概率学基础熵kl散度梯度下降法计算机视觉与机器学习基础图像和视频图像的取样与量化滤波直方图上采样下采样卷积直方图均衡化算法最近邻差值单/双线性差值特征选择与特征提取特征选择方法filter等特征提取方法：PCA、LDA、SVD等边缘提取CannyRobertsSobelPrewittHessian特征Haar特征相机模型小孔成像模型相机模型镜头畸变透视变换计算机视觉与机器学习进阶聚类算法kmeans层次聚类密度聚类谱聚类坐标变换与视觉测量左右手坐标系及转换万向锁旋转矩阵四元数三维计算机视觉立体视觉多视几何SIFT算法三维计算机视觉与点云模型PCL点云模型spin image三维重构SFM算法图像滤波器直通滤波体素滤波双边滤波器条件滤波半径滤波图像增加噪声与降噪OpenCV详解OpenCV算法解析线性拟合最小二乘法RANSAC算法哈希算法DCT算法汉明距离图像相似度第二章：深度学习与计算机视觉神经网络深度学习与神经网络深度学习简介基本的深度学习架构神经元激活函数详解（sigmoid、tanh、relu等）感性认识隐藏层如何定义网络层损失函数推理和训练神经网络的推理和训练bp算法详解归一化Batch Normalization详解解决过拟合dropoutsoftmax手推神经网络的训练过程从零开始训练神经网络使用python从零开始实现神经网络训练构建神经网络的经验总结深度学习开源框架pytorchtensorflowcaffemxnetkeras优化器详解(GD,SGD,RMSprop等该视频出品人是王小天，目前就职于BAT之一，AI算法高级技术专家，法国TOP3高校双硕（计算机科学和数学应用双硕士）毕业。
👇长按下方二维码 2 秒
立即领取
（添加小助理人数较多，请耐心等待）
他在人工智能和芯片领域发表10余篇论文，具有深厚的学术背景和丰富的项目及业务落地经验。
工作期间主要负责人工智能业务线CV与NLP相关算法工作，推进人机混合智能、语义分割、机器翻译、虹膜识别等模块的核心算法研究与优化。
对图像分类、物体检测、目标跟踪、自动驾驶、计算机体系结构等有深入的研究。
他兼具理论与实战落地经验，深知初学者学习痛点。说实话，这样资历的人，很难得。
这份教程是他8年人工领域实战经验的凝练，通过讲解和实战操作，让你能做到独立搭建和设计卷积神经网络（包括主流分类和检测网络），从检测模型教学逐步深入，帮你轻松掌握目标检测，并进行神经网络的训练和推理解决各种CV问题。
他对学习者的建议：计算机视觉的提升不在于搭建模型，而在于不断调优、改进过程中积累的经验。
我们该怎么针对不同领域的图像设置不同的参数？其中包括卷积核大小、网络架构、初始权重等等，不可能拿到一个模型，既适合医学图像，又适合人脸识别，这其中就需要n次从70%的精度调到95%以上中积累出经验。
而很多CV从业者觉得搭建出模型就告一段落，反反复复用不同的方式去搭建模型，先是tensorflow搭建完用pytorch搭，pytorch完事后用mxnet再来一遍，Python搭完用c/c++搭，但是至始至终没在精度和经验方面做出前进。
由于工作需要，这份教程我本人也在学习中，虽然已经从事这个行业多年，再看这份教程的时候，仍然能查漏补缺，收获满满，我相信不管是AI入门，还是已经具备了一定的工作经验，这份学习资料，都值得你去认真学习研究。
所有以上相关的的内容全部都已经打包好了，汇总成了一份百度云的