计算机视觉学习路线[从学术到工作]
1、 导言
计算机视觉的黄金时代真的到来了吗？
近年来，随着深度学习技术的革新、计算存储的扩大、可视化数据集的激增，计算机视觉领域的研究开始蓬勃发展，如火如荼。在自动驾驶、智能安防、智慧城市、医疗保健、商业零售、航空能源、虚拟现实等诸多人工智能热门领域，计算机视觉技术落地开花，熠熠生辉。
计算机视觉研究工作在学术界和工业界取得的巨大成功，每年吸引着数以万计的研究人员蜂拥而至，加入炼丹师的序列。甚至连生物医学、机械自动化、土木建筑等诸多专业的学生都开始研究其在各自领域的应用，一个视觉交流群里三分之一以上都不是计算机相关专业的。当然，我也是其中一员。
对于非计算机相关专业的同学而言，学习过程中往往缺少交流机会，不容易把握视觉知识的全貌。这里仅根据个人经验和网络知识，谈一谈对于一名非计算机专业的学生而言，该不该入门计算机视觉？以及该如何学习计算机视觉？
-
入门系列文章：可参考公众号AI入门系列文章
-
AI入门-计算机视觉学习指南[附资源]
其实，对于一门计算机学科的学习，入门同学无非要做好两门功课：理论知识+编程能力。
二、学习路线
机器学习 -> 数学知识 -> 编程能力 -> 计算机视觉
1. 理论知识
（1）视觉知识
由于计算机视觉研究领域十分宽泛，涉及学科门类知识点众多，因此这里仅针对个人研究及知识体系来谈一谈，欢迎不吝赐教~~
目前，计算机视觉比较热门的研究方向总体上可以分为两个方面：一是深度学习，二是SLAM。那么，它们的研究点区别在哪里呢？深度学习，侧重于解决识别感知（是什么）问题，SLAM侧重于解决几何测量（在哪里）问题。以机器人举例来说，如果你想要它走到你的冰箱面前而不撞到墙壁，那就需要使用 SLAM；如果你想要它能识别并拿起冰箱中的物品，那就需要用到深度学习。机器人抓取时怎么定位的？用什么传感器来检测？当然，这两个方面在学术研究上也有互相交叉融合的趋势。
不过在学习这些之前，作为入门的新同学，一般都会首先掌握下传统的计算机视觉知识，也就是图像处理这一基础部分。计算机视觉初级部分知识体系的构建，对于计算机视觉基础知识的理解还是非常有必要的，有助于你理解更高层知识的本质，比如为什么会出现deeplearning等这些新的理论知识，感觉有点像读史了，给你智慧和自由。初级部分知识学习资料：理论方面：《数字图像处理》（冈萨雷斯）、《数字图像处理：原理与实践》、《计算机视觉算法与应用》，编程方面：《Open编程入门》。
下面谈一下两个大的研究方向：基于深度学习的视觉和SLAM技术。
基于深度学习的机器视觉：机器学习中，包括深度学习里的绝大部分算法，其实本质上都是用来做“分类”任务的。具体到计算机视觉领域，一般就是物体分类、目标检测（Object Detection）、语义分割等，当然也有一些很酷又好玩的东西比如edges2cats、deepart。为什么深度学习几乎成为了计算机视觉研究的标配？深度学习为什么这么强？它主要解决了什么问题呢？
个人比较认同以下三点：学习特征的能力很强，通用性强，开发优化维护成本低。关于这一部分的学习，主要就是深度学习。关于deeplearning，漫天飞的各种资源。同学们可以看一看李宏毅老师的一天搞懂深度学习课件；李飞飞的CS231n课程；三巨头之一Yoshua Bengio的新作《DEEP LEARNING》，目前已有中译版本 。
SLAM技术：这一部分了解不多，只是看过一些视频。可以看一下相关博客和前沿论文了解一下。
（2）机器学习
计算机视觉研究中使用的机器学习方法个人感觉是很多，早期的时候会用SVM做分类，现在基本都用深度学习选特征+分类。原因在于统计机器学习这一块虽然方法不少，但是基本都无法应对图像这么大的数据量。
不过大家在学习过程中很容易接触到各种机器学习方法的名字，因为现在大数据分析、机器学习、语音识别、计算机视觉等这些领域研究其实分得不是很开，然后不自觉地就会去了解和学习。这样我感觉总体来说是好的。不过在学习一些暂时用不到的算法时，个人感觉没必要做的太深：重在理解其基本思想，抓住问题本质，了解其应用方向即可。
下面分别介绍一下传统机器学习算法和深度神经网络。
传统机器学习算法
传统机器学习算法：决策树、支持向量机、boosting、贝叶斯网、神经网络等等吧。方法挺多的，同一类方法不同的变形更多。除了这些有监督学习，还有无监督学习、半监督学习、强化学习，当然还有一些降维算法（如PCA）等。对这些个人整体把握的也不是特别好，太多了。
学习资料：吴恩达老师的coursera课程《Machine Learning》，以及正在出一本新的《MACHINE LEARNING YEARNING》。个人比较喜欢他的课程风格，简单易懂。还有李航老师的《统计学习方法》和周志华老师的《机器学习》，业内称西瓜书，两本在国内机器学习界成为经典的书，非数学作业学起来会有一点上头，因为很多公式数学专业的也推不出来~~随缘学习即可~~
深度神经网络
深度学习，风风雨雨数十年，说来说去就那么点东西，不可解释性科学，但是应用起来效果很棒。发论文都感觉有点心虚，有时候都说服不了自己~~资料上面视觉知识部分已经说过了，听听课程、看看那些知名的模型和框架，基本上也就了解了。《一天搞懂深度学习》其实就已经把大部分都给说了，不过个人感觉还是挺难理解的。
主要的发展也就CNN、RNN，不久前的GAN，现在如日中天；强化学习现在发展也非常快，有许多名校如CMU都开设了这方面课程。深度学习框架百花齐放，百家争鸣，国内和国际都有，目前主流的是TensorFlow和PyTorch。
（3）数学
一切工程问题归根结底都是数学问题，这里谈一谈计算机视觉和机器学习所涉及的数学问题。
-
微积分：例如图像边缘检测，即求微分在数字图像里是做差分（离散化），光流算法里用到泰勒级数，空间域转频域的傅立叶变换，还有牛顿法、梯度下降、最小二乘等。CV所涉及的微积分知识相对简单，积分很少，微分也不是特别复杂
-
概率论与数理统计：机器学习领域里最重要的数学分支。例如：条件概率、相关系数、最大似然、大数定律、马尔可夫链等
-
线性代数：数字图像本身就是以像素矩阵的形式呈现的，多个向量组成的样本也是矩阵这种形式，大多机器学习算法里每个样本都是以向量的形式存在的，多个矩阵叠加则是以张量(tensor)的形式存在。具体应用，如：世界坐标系->相机坐标系->图像坐标系之间的转换，特征值、特征向量，范数等
-
凸优化：很多实际问题，尤其机器学习领域，都是优化问题（求最优），凸优化是里面最简单的形式，所以大家都在想办法怎么把一般的优化问题转化为凸优化问题。至于单纯的凸优化理论，好像已经比较成熟了。在机器学习里，经常会看到求对偶问题、KKT条件等
其实，这些数学知识没必要系统性学习，效率低又耗时。毕竟大家都有本科的基础，足够了。一般用到的时候再学，学完之后总结一下。
2. 编程能力
（1）编程语言（C++，Python）
刚刚接触CV(computer vision)时，大家一般都会不假思索地选择使用C++：装个VS(Visual Studio)，配置下opencv，撸起袖子就开始干了。这样做非常合理，几乎所有人都是这么入门的。
不过，当你的知识面扩展开后，你会感觉到很多时候C++都显得有些力不从心。比如：当你要画一些图表或做一些数据分析，就还得把数据导入MATLAB里做进一步处理；当你要非常快捷方便地学习或测试一个算法，C++会是你最糟糕的选择；或者当你要学习深度学习时，你绝对不会再选择使用C++….
总之，有太多的理由会促使你再学习一门编程语言，最好的选择没有之一：Python。CVer开发必备：C++与Python。
简单介绍一下C++和Python的各自特点：
-
C++：偏底层，执行效率高，适合嵌入式等平台上使用；在视觉领域，C++生态好，用的人多，网上找资源很方便。缺点是开发效率实在太低了，关于这一点如果你只是专注于图像处理的话可能感受不是那么真切，因为opencv库做得足够好。但是当你做到机器学习后，opencv就显得有些力不从心了，虽然它也包含一些SVM、神经网络等的简单实现，但毕竟不擅长
-
Python：全能语言，干啥都行，并且都相对擅长。图像处理，opencv支持Python接口；科学计算，其功能类似于matlab了：机器学习及深度学习，Python是最好用的，没有之一；爬虫等网络应用，豆瓣就是用Python写的；简而言之，方便，实在太方便了。当然，Python也有自己的另一面。执行效率不高，这一点做嵌入式开发的可能比较忌讳。
当然，学校里也有同学使用MATLAB等做图像方面的研究，如果你只是偶尔用图像处理辅助一下你的研究，可以这么做，一般情况下不建议使用。
C++和Python学习资源推荐
-
C++：大家好像都用《C++ primer》或《C++ primer plus》这样的大块头书，感觉倒不如《王道程序员求职宝典》这类书实用。大块头书优点在于全面，同时也往往导致了重点不突出。课程推荐coursera上北大的《程序设计与算法》，C++程序设计
-
Python：基础部分看一下Python教程即可，Python学起来很简单，看别人代码的过程就是学习的过程。对于不熟悉的用法多搜下官方文档，如numpy,pandas, matplotlib, scikit-learn等。Python的开发环境值得一提，选择很多，建议使用Pycharm+Anaconda，简单方便
（2）编程平台（windows, linux）
新手肯定都用windows了，学习过程中发现在windows上搞不定了，先忍几次，然后掉头就去学linux了。一定是这样。
哪些在windows上真的搞不定呢？比如：深度学习，最新论文中提出的视觉开源算法等不过对于我们而言，linux并不需要了解太深。装个ubuntu系统，常用的文件操作、程序编译等知道就OK了，现学现用。
三、学习心得
机器学习 -> 数学知识 -> 编程能力 -> 计算机视觉
前文已经把所要学习的知识基本都介绍完了。不知道你有没有冒出疑问：你怎么知道这些？你平时怎么学习的？
基础第一条：时间，时间的积累。当然，在具体学习方法上也有一些trick，不然怎么解释有的人效率高呢。当然聪明和底子能够解释部分原因。现在简单总结一下学习过程中的小trick：
-
Google搜索：论文检索，项目检索
-
学术交流：博客、公众号、微信群等业内人士交流学习
-
知识学习：论文和书籍阅读
-
理论研究：关注行业前沿，业内最新研究成果
-
项目实战：算法实现、代码开发，GitHub项目，竞赛平台
一句话：学会抓住问题本质。算法太多，学过就忘。这可能是所有人遇到的共同问题。尤其对于那些学的不是特别深入的算法，会有跟人聊起都不知道如何解释的尴尬。“”一句话”解释，就是用简单的几句话把一件事说清楚。比如《统计学习方法》中李航老师就提出统计机器学习的三要素：模型、策略和算法，针对某种机器学习方法根据这三要素梳理一下，你就已经把握到整体了，即使其中有些细节不理解也无伤大雅。
试想一下，如果一位师弟指着你桌上的西瓜书问你：机器学习是什么？你会不会一脸懵逼？
说一下个人理解，至少听起来是一句人话：机器学习就是让机器学会自主学习，对已有信息进行归纳和识别，并自主获得新技能的能力。相比于传统计算机编程里直接告诉计算机“什么时候做什么”，机器学习通过“不显式编程”赋予计算机能力，即提供一些案例（训练数据）,让计算机通过案例自己学习什么时候应该做什么。这就是机器学习的魅力~~
四、工作
其实，学习的根本目的就是为了工作，更好的工作！
目前，大多数同学涉足计算机视觉领域，其根本原因无非有三：高薪、需求大、前景广阔。选择计算机视觉，并且以后想要从事计算机视觉这方面的工作。非科班同学，入门一定要慎重 慎重 慎重，一定要摆正心态，因为找工作时可能就要跟那些计算机专业的学生们竞争了，博主的血泪史~~
如果已经坚定决心，最好从现在起，就把自己当一名程序员看待。当然你也可以有自己的优势，你拥有自己专业的领域知识，这对某些公司来说很重要，你找工作时基本上也都应该重点考虑这些公司。你对视觉的具体应用本身也比较了解；劣势是你缺乏计算机专业的基本素养，具体到笔试或面试中就是编程能力不行。说到这里，大家应该都听说过“刷题”这回事。程序员应聘的特点之一就是首先面试官会考查一些基础的算法题，借此评估一下你的基本编程能力。
其实计算机专业的学生在工作季前也要在leetcode等平台上刷刷题练练手，不然他们也过不了第一关—笔试。不过，对于我们非计算机专业同学而言，刷题前最好系统学习下数据结构和算法这门课程，切忌管中窥豹。程序=数据结构+算法，前面提到的北大《程序设计与算法》专项课程里就有这门课。然后就是苦练刷题技能了，刷题过程中注意多总结吧~~
当然，也不否认有一部分同学误入歧途，深陷泥潭……我相信也有一部分人同学毕业之后就再也不会接触这些“破玩意儿”，挺好的，解脱了，早放弃早快乐~~
三十而立之年，如果还在整天苦逼地码代码……呃，不敢想象，那一定不是我想要的生活~~对于这一类同学而言，计算机视觉可能会成为你人生中的一项常识——五年后的某一天，当你坐上无人公交时，一点都不会感到惊讶。当然，也祝愿它会给你的人生带来更多改变~~
最后，祝大家炼丹愉快，学习顺利~
更多精彩内容，请关注up和微信公众号~~