1樓：knnay
拋磚引玉，用深度學習執行計算機視覺任務的一條路線：
① 卷積神經網路
卷積神經網路
② 殘差網路
殘差網路
③ （適合強噪資料的）深度殘差收縮網路[1][2]（適合強噪資料的）深度殘差收縮網路
2樓：jameswhale
因工作需要，2023年年初花了4個月左右時間學習了機器學習、神經網路相關的知識，工作日每天大概學習4～6個小時，週末每天大概10個小時。離開校園後，就再沒有花這麼多時間和精力在乙個事情上，不能說精通，算是入門吧，可以從容應付工作中的問題。
從自己的經驗看，可以先不看高等數學和線性代數，因為機器學習和深度學習中涉及的相關知識並不多。和部門的其他深度學習大咖聊天，基本也是這個看法。
吳恩達的網上課程Machine Learning,Deep Learning都已經學完，包括測驗和所有的程式設計題目，斯坦福的cs231n也已經學完，包括所有程式設計題目。這幾門課程學完後，對機器學習、深度學習（包括計算機視覺）的基本概念和常規做法基本就了解了。
計算機視覺打基礎需要學習什麼內容？
MuCh 簡單說下 數學基礎 線性代數 高等數學 數理統計與概率論 矩陣論 運籌學 最優化理論 復變函式 程式設計基礎 python matlab c 等精通一種即可演算法基礎 這個內容很雜，多刷題吧 Claudia 首先是數學基礎 矩陣論，數理統計，復變函式，離散數學 然後作為基礎課，訊號處理也要...
學習哪些數學對研究計算機視覺有幫助？
超越 其實可以轉換思路，先確定要學習哪些計算機視覺演算法，再針對性地補充數學知識。因為數學知識幾乎是無窮無盡的，大部分數學家也學不完。最近這些年，深度學習，尤其是卷積神經網路及其變體，成為了計算機視覺領域的重要方法。一些基礎的深度學習方法包括 卷積神經網路 下圖中的AlexNet是卷積神經網路的經典...
從事計算機視覺 機器學習 深度學習演算法學術研究，工作的你，怎樣讓自己跟蹤最前沿技術
將門創投 就看到這個問題，心想 啊放錯了，應該是 說白了，這問題就是為 將門技術社群 準備的啊！來讓我搓搓小手簡單回答一下，從事計算機視覺 機器學習 深度學習演算法學術研究 工作的你，應該去哪兒追蹤最前沿的技術？結實最厲害的同行？獲取最具價值的乾貨分享？先給出申請鏈結，讓某些猴急的寶寶先申請了再說加...