【建議收藏】CV算法工程師自修指南
我跟幾位BATJ現(xiàn)職的CV算法工程師聊了聊學習路徑的話題——
學習CV要具備哪些基礎？
CV算法工程師應當掌握哪些技能？
01 編程與數(shù)理基礎
掌握Python基礎理論知識、了解第三方數(shù)據(jù)科學庫，能夠使用Python語言進行初級機器學習編程。掌握線性代數(shù)、微積分、概率論、最優(yōu)化的相關知識。
02 機器學習基礎
了解線性回歸、邏輯回歸、決策樹等機器學習經(jīng)典模型、能夠基于Python語言上手機器學習算法實踐。
03 深度學習基礎
熟練卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡、了解簡單的Pytorch使用。
04 計算機視覺基礎
以OpenCV為基礎，掌握圖像基礎知識、基本處理等CV方向的基礎理論。
01 圖像分類
vgg、inception、resnet、mobilenet、SENet。
02 圖像分割
unet、deeplab系列、FCN、SegNet、BiSeNet。
03 目標檢測
SSD、FPN、RetinaNet、Faster rcnn、AnchorFree、基于Transformer和CNN的端到端檢測。
04 GAN
GAN、DCGAN、Pix2Pix。
01 圖像分類
圖像分類是計算機視覺領域最基礎也是最核心的任務，雖然最近涌現(xiàn)出大量優(yōu)秀的CNN模型可直接用于圖像分類，簡化了傳統(tǒng)圖像分類人工設計特征的流程，但是真正的企業(yè)級應用中遠不止使用CNN網(wǎng)絡模型那么簡單。實際項目算法開發(fā)過程中，除了模型使用還需要考慮數(shù)據(jù)分布、類別均衡、數(shù)據(jù)增強、損失函數(shù)等trick的應用。
推薦項目：花朵分類&不均衡Cifar分類
熟悉訓練技巧，掌握獨立完成項目級圖像分類模型訓練的能力。
02 圖像分割
圖像分割是CV主要方向之一，在自動駕駛、人像摳圖、醫(yī)學圖像分析和工業(yè)質(zhì)檢均有廣泛應用。能掌握經(jīng)典圖像分割算法，熟悉代碼開發(fā)流程，獨立完成圖像分割項目是算法工程師必備的能力。
推薦項目：自動駕駛語義分割&人像分割及證件照制作
用代碼實現(xiàn)數(shù)據(jù)集讀取、圖像分割模型訓練、訓練分析、模型推理、線上部署。完整地做一次圖像分割項目實戰(zhàn)。
03 目標檢測
目標檢測是CV領域的重要方向之一，在自動駕駛、衛(wèi)星遙感、機器人、智慧工廠、智能交通等領域中應用廣泛。掌握經(jīng)典的目標檢測算法，學會檢測器性能提升方法和模型輕量化的方法，了解模型部署的流程，是計算機視覺工程師的必備技能，也是進入各大廠和創(chuàng)業(yè)公司的必要條件。
推薦項目：基于YOLOX構(gòu)建高性能目標檢測器&輕量級目標檢測器
掌握構(gòu)建baseline檢測器的方法，掌握目標檢測器性能優(yōu)化和輕量化的技巧，了解工程實踐中目標檢測任務開發(fā)的一般流程。
04 GAN
生成式對抗網(wǎng)絡模型被譽為“下一代深度學習框架”，是目前最強大的生成式模型，已在圖像視頻生成、增強、編輯等應用領域廣泛落地。每隔一段時間網(wǎng)絡上就會出現(xiàn)關于其神奇效果的相關報道，比如換臉、繪畫、讓人物跳舞、老片修復、以及讓照片人臉動起來等等。這其中，圖像增強可謂是GAN落地最成熟的一個方向。此外，數(shù)據(jù)爬取、數(shù)據(jù)分析篩選、模型批量調(diào)參、模型快速部署等算法工程師必備技能也是本項目的重點。
推薦項目：圖像增強經(jīng)典超分辨率任務均衡Cifar分類項目
學習和探索GAN技術是如何在企業(yè)中一步步落地，解決客戶的實際需求。
以上內(nèi)容在深度之眼CV項目班中均有涉及，本公眾號粉絲開放獲取特殊福利：CV項目試學 —— 約3小時：
0.1元領取！
01 算法崗簡歷撰寫及求職面試準備（74分鐘）
02 圖像分類模型漲點技巧（50分鐘）
03 數(shù)據(jù)爬取及篩選（86分鐘）
0.1元領取！