建議時間：每周4－5小時

學(xué)習(xí)Keras：Keras文檔https：／／keras．io／使用Keras構(gòu)建神經(jīng)網(wǎng)絡(luò)https：／／www．a(chǎn)nalyticsvidhya．com／blog／2016／10／tutorial－optimizing－neural－networks－using－keras－with－image－recognition－case－study／神經(jīng)網(wǎng)絡(luò)簡介：從零開始的神經(jīng)網(wǎng)絡(luò)https：／／www．a(chǎn)nalyticsvidhya．com／blog／2017／05／neural－network－from－scratch－in－python－and－r／斯坦福大學(xué)神經(jīng)網(wǎng)絡(luò)簡介https：／／youtu．be／d14TUNcbn1k3Blue1Brown的神經(jīng)網(wǎng)絡(luò)：https：／／youtu．be／aircAruvnKk項目：識別服裝https：／／datahack．a(chǎn)nalyticsvidhya．com／contest／practice－problem－identify－the－apparels／第4個月 – 了解卷積神經(jīng)網(wǎng)絡(luò)（CNN），遷移學(xué)習(xí)和參加比賽目標(biāo)：我想將其稱為計算機視覺之旅中的“進階”月份。隨著卷積神經(jīng)網(wǎng)絡(luò)（CNNs）的引入，學(xué)習(xí)也更上一層樓，這些cnn是我們最近看到的許多計算機視覺應(yīng)用的幕后推手，包括目標(biāo)檢測。在你的旅程中，你也應(yīng)該通過參加比賽來鍛煉自己。

建議時間：每周6－7小時

卷積神經(jīng)網(wǎng)絡(luò)（CNN）簡介：卷積神經(jīng)網(wǎng)絡(luò)（CNN）簡化https：／／www．a(chǎn)nalyticsvidhya．com／blog／2017／06／architecture－of－convolutional－neural－networks－simplified－demystified斯坦福大學(xué)的卷積神經(jīng)網(wǎng)絡(luò)：https：／／youtu．be／bNb2fEVKeEo遷移學(xué)習(xí)簡介：掌握遷移學(xué)習(xí)https：／／www．a(chǎn)nalyticsvidhya．com／blog／2017／06／transfer－learning－the－art－of－fine－tuning－a－pre－trained－model斯坦福大學(xué)實踐中的ConvNets：https：／／youtu．be／dUTzeP＿HTZg項目：識別數(shù)字：https：／／datahack．a(chǎn)nalyticsvidhya．com／contest／practice－problem－identify－the－digits參加比賽：DataHackhttps：／／datahack．a(chǎn)nalyticsvidhya．com／contest／allKagglehttps：／／www．kaggle．com／competitions第5個月 – 解決對象檢測問題目標(biāo)：對象檢測是一種廣泛使用的計算機視覺技術(shù)（也許是使用最廣泛的技術(shù)）。這是吸引我使用計算機視覺的原因！這個月就是要熟悉不同的對象檢測算法。另外，我強烈建議你撰寫到目前為止所學(xué)概念的文章。

建議時間：每周6－7小時

解決對象檢測問題：目標(biāo)檢測技術(shù)的分步介紹https：／／www．a(chǎn)nalyticsvidhya．com／blog／2018／10／a－step－by－step－introduction－to－the－basic－object－detection－algorithms－part－1實現(xiàn)faster RCNN用于目標(biāo)檢測https：／／www．a(chǎn)nalyticsvidhya．com／blog／2018／11／implementation－faster－r－cnn－python－object－detection使用YOLO進行物體檢測https：／／www．a(chǎn)nalyticsvidhya．com／blog／2018／12／practical－guide－object－detection－yolo－framewor－python斯坦福大學(xué)的物體檢測：https：／／youtu．be／nDPWywWRIRoYOLO論文https：／／arxiv．org／pdf／1506．02640．pdfYOLO預(yù)訓(xùn)練模型https：／／pjreddie．com／darknet／yolo／項目：數(shù)臉挑戰(zhàn)https：／／datahack．a(chǎn)nalyticsvidhya．com／contest／vista－codefest－computer－vision－1COCO物體檢測挑戰(zhàn)http：／／cocodataset．org／＃download開始撰寫文章，與社區(qū)互動吧！第6個月 – 了解圖像分割和注意力模型目標(biāo)：六月，你將學(xué)習(xí)如何解決圖像分割問題，同時你還將了解什么是注意力模型（無論在理論上還是在實踐上）。在這里，你對計算機視覺的深入了解才真正開始獲得回報。