计算机视觉入门 本项目包含一些基本的机器学习以及深度学的课程，仅供实验室内初学者参考

# 初级阶段 计算机视觉入门。本项目包含一些基本的机器学习以及深度学的课程，仅供实验室内初学者参考。 首先，初学者应该对人工智能领域有个大体地认识。人工智能领域的整体脉络图如下： <div align="center"> <img src="https://github.com/gyy8426/Computer_Vision_primer/blob/master/fig/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E8%84%89%E7%BB%9C.jpg" width="500px" /> </div> ## 第一阶段: 机器学习（Machine Learning） 首先，初学者应具备基本的机器学习知识（如SVM, 概率图等）。 基础的机器学习课程包含在[机器学习](https://github.com/gyy8426/Computer_Vision_primer/tree/master/Stage_1-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)下。 ## 第二阶段: 深度学习（Deep Learning） 组内基本上都是使用深度学习来解决计算机视觉中的问题。 基础的机器学习课程包含在[深度学习](https://github.com/gyy8426/Computer_Vision_primer/blob/master/Stage_2-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0)下。 ## 第三阶段: 深度学习框架（Deep Learning Library） 当下比较流行的框架就是pytorch和tensorflow（基于python）。 教程包含在[深度学习框架](https://github.com/gyy8426/Computer_Vision_primer/blob/master/Stage_3-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A1%86%E6%9E%B6)下。 # 进阶阶段 当学习完上边的课程之后，根据自身的实际情况针对下边两个阶段进行学习。 ## 第四阶段: 增强学习（Reinforcement Learning） 增强学习教程包含在[增强学习](https://github.com/gyy8426/Computer_Vision_primer/blob/master/Stage_4-%E5%A2%9E%E5%BC%BA%E5%AD%A6%E4%B9%A0)下。 ## 第五阶段: 元学习（Meta Learning） 元学习教程包含在[元学习](https://github.com/gyy8426/Computer_Vision_primer/blob/master/Stage_5-%E5%85%83%E5%AD%A6%E4%B9%A0)下。 # 除了上述课程之外，组内现有包含Image Retrieval, VQA, Image Captioning, Image Generation，[Video Object Segmentation](https://github.com/du0915/Video-Object-Segmentation-Paper-List)等方向。欢迎各位同学Star，也可以将自己的方向上的论文以及学习工具PullRequest。注意应该跟进当下最新的深度学习和计算机视觉领域顶级会议的论文 (International Conference on Learning Representations (ICLR), International Conference on Machine Learning (ICML), Neural Information Processing Systems (NeurIPS), Conference on Computer Vision and Pattern Recognition (CVPR), International Conference on Computer Vision (ICCV), European Conference on Computer Vision (ECCV), AAAI, IJCAI, ACM MM等)。 # [学术论文写作](https://www.coursera.org/learn/sciwrite) # [GPU以及服务器使用介绍](https://github.com/cfm-uestc/Tutorial-for-Computer-Vision) # 注：本库只作为内部教学使用，并不用作商业用途。如有侵权，立即删除。