申请会员ID:zhh
1、申 请 I D：zhh2、个人邮箱：zhouhan0315@163.com3、原创技术文章：数据结构与算法、计算机视觉入门干货、目标检测算法等等
一、下面两篇是我在知乎上的一个回答（知乎号codingfish）：
我就在这里分享4个图像方面的入门干货总结吧，让刚接触图像的同学少走一些弯路。1.需要什么基础扎实的基础和对于图像处理理论的完整的、系统的整体认识对于后续的深入研究和实践应用具有非常非常重要的意义。好的，以上都是客套话（但是是你以后要提升自己的重要途经），想来你已经听得耳朵生茧了。接下来我真真讲讲入门图像处理的方法和经验吧数学基础：数学基础？接触图像处理真的需要你重新学高数，线性代数，概率论吗？答案是：需要。但是如果真的一点点的去把各种数学基础学好，学精，大多数同学早已经精疲力竭，没有精力和兴趣进一步学习图像处理了。基础固然重要，兴趣却是最原始的驱动力。所以，这里指的数学基础，只是简单的矩阵运算，高数的微分，积分，求导，再了解一些简单的概率分布即可。至于其他的公式，我们可以等到遇见的时候再研究。图像的基础：这里推荐一本经典的数字图像处理书籍书籍：冈萨雷斯的《数字图像处理》
https://pic1.zhimg.com/80/v2-3e9871d775af9fe6922e0226e26d4854_720w.jpg?source=c8b7c179机器学习的基础：让我们先着手了解几个机器学习算法（如k近邻，svm），不要畏难，真的不是很难，慢慢看，看不懂可以用后面提到的“模糊放大法”，你会发现真的真的不难。记住，这一块不要耽误太久，时不我待。2.开始阅读代码有一句真理：纸上得来终觉浅，绝知此事需coding！！！！！！切记！！！！！！编程语言的选择既然要coding，必然掌握一门编程语言，这里我强烈推荐python我在github搜索yolov3(一种目标检测算法)，下面是搜索得出的结果：
https://pic1.zhimg.com/80/v2-3737d34dde356f550331ceb693aae995_720w.jpg?source=c8b7c179
惊讶吗，前五项用的都是python(jupyter notebook 也可以算是写python的一个东西)，而且languages中排行第一，且远超c与c++编程工具的选择：IDE 我推荐三个：
[*]pycharm：用于平时调试代码，因为后面要看的算法基本都可以算是一个工程，而用来管理工程最有名的便是pycharm了，PyCharm带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。
下载地址：https://www.jetbrains.com/pycharm/
[*]Anaconda（装包神器）：严格来讲，Anaconda并不属于IDE，它是集成有Python运行环境的开发平台，并集成了100多种库，此外该软件里面还有Anaconda Navigtor、Jupyter notebook、QtConsole和Spyder等（其实Spyder是一款IDE，只是相对小众，就不单独介绍了）。由于集成的功能比较多，用起来相对省心。相信在Windows平台下鼓捣TensorFlow的朋友一定对它不陌生
python装支持包对于新手而言是一个头疼的事情，用Anaconda就可以解决很大一部分问题
https://pic4.zhimg.com/80/v2-36bac5222abae3407b89883883d35e12_720w.jpg?source=c8b7c179
下载地址：https://www.anaconda.com/distribution/
[*]jupyter notebook：我们以后跑深度学习，会经常需要在服务器上跑，服务器上可能就会搭载这个jupyter notebook，另外，jupyter 把代码分成一块一块的，便于调试。
安装方法：Anaconda 自带了jupyter notebook
https://pic4.zhimg.com/80/v2-a349de75d21044d3dc4d64b80131b3ed_720w.jpg?source=c8b7c179
3.读论文研究一些经典的算法，入门首先要看经典的论文，例如在目标检测中，faster rcnn（一种目标检测算法）就是目标检测中特别经典的算法，要知道，后面的大多数（我说的不是全部）论文，都是在这些经典的框架上，稍加改动，注意是稍稍......，你要是学会了这些“稍稍”的方法，那也就可以发一篇中规中矩的论文了（当然还有其他因素）看论文的方法，推荐一篇文章：https://www.zhihu.com/question/304334959/answer/553782865极力推荐的方法：泛读+ 精读 + 精读+代码（这也是我一直在用的方法）第一步：泛读先去找一个这篇论文相关的算法解析看一看，不需要太懂，了解一个大概，心里有个底。看完一些解析以后看再原论文（看不懂英文的话用翻译软件慢慢翻译，不要着急，以后都是出现这些名词，不会太难），很多细节肯定是看不懂的，不要担心，不要担心，不要担心，重要的话说三遍！每个人都是这样的，好论文得多读。记住：看两到三遍论文，不必要看懂，了解一个大概第二步：精读怎么精度，模糊放大法（这很重要！）：实在是看不懂了，这个时候再去找别人写的解析去。别人写的解析肯定有些点的是比较模糊的，这个时候你不能敷衍了事，必须马上把这个模糊的点扣出来，谷歌也好，知乎百度也好，把这个单独的点“拎出来”，放大这个模糊的点，解决掉那个模糊的点。如果模糊的点里还有模糊的点怎么办呢？继续放大呗。第三步：精度+代码不要把看代码当成一个任务，代码其实是一种最详细的论文解释，论文里、博客里没有说清楚的，代码都告诉你了，只是你不愿意看，不愿意读这份稍微难懂一点的解释而已罢了。看代码非常有助于理解算法，边看代码，边看别人的解释，对比着看，一步步走。从现在开始，爱上阅读代码吧，把它当做一份注释，你一定会大有裨益。代码在github上大都能找到。注意：以上三步需要重复循环使用，温故而知新！！！4.需要掌握的工具（框架）下面三个是必须掌握的，是需要学习的，在这里就先不赘述了，后面我会出下面的一些学习经验和可以上手的项目，有兴趣的记得关注我哦，也可以自行了解一下下面列出的东西numpy
opencv
pytorch
tensorflow
申请不通过。非技术性文章，您可以重新申请，发布技术性文章。
页:
[1]