本科生学习规划

作为欲以计算机视觉和深度学习为学习核心的本科生，事先要自行学习这方面的知识，尽可能掌握基础知识。如果可能，还可以参与科研项目和发表科研论文。以下为如何最快掌握基本知识，以便达到可以进入实验室和老师一起做科研的要求。

拟学习的知识主要分为三个方面：

1）              编程能力。主要三种语言：matlab，python，C/C++。这三种语言里，matlab最简单，而且非常的好用；缺点是matlab不开源，主要以科研为主，不适合找工作。C/C++ 大家在平时的课程中会学习到。Python为目前的主流编程语言，也很简单，无论科研还是工程上用的都很多。针对编程能力（主要是python），需要学生自行去锻炼。

2）              图像处理及计算机视觉方面：需要大家提前掌握一定的基础。推荐一些快速入门的方法：（1）首推opencv，它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。可以尝试同时用python接口来锻炼python语言。比如，《OpenCV3 编程入门》，图像处理方面讲的很棒，大家可以利用这本书来学习图像处理基础知识（学习opencv3也可以）。目前opencv更新到了4.5，所以也可以购买新的书籍跟着去学，其中包含图像的基本概念，图像的基本操作，直方图和灰度变换，图像平滑，相机标定等。（2）基于matlab的图像处理：《冈萨雷斯 数字图像处理（matlab版）》（重点前两章节，matlab的精髓以及图像基础都包含了，其他章节一般。感兴趣的可以看看）。

3）             机器学习和深度学习。机器学习是一门基础学科，是基础，所以也需要大家了解一些。深度学习是我们学习最终的目的。

针对机器学习，一定要看 Ng Andrew 的网课，大家自行去寻找，看看前几章就行了，有英文字幕，有课后作业。这个一定要看，讲的非常浅显好懂，而且够用！ 如果想从python入手的话，推荐一本《机器学习实战》，看第1.2.5.6.8这几个最简单的章节就好了，别的太难不用看。

深度学习方面（重要）。最终我们就是选择某一种深度学习框架（就是别人开发好的工具）来完成科研: Pytorch  （http://product.dangdang.com/25208778.html），这是目前主流的学习框架，需要非常有工程功底的，对代码不抵触的。推荐从Pytorch 学起（推荐材料：深度学习框架PyTorch入门玉实践）。

1）NG Andrew 的深度学习网课（https://mooc.study.163.com/smartSpec/detail/1001319001.htm，他同时有机器学习和深度学习的课程，有很多材料，自行去搜索），非常好，还有练习题，基于python的，可以通过这个掌握深度学习，在此之后就可以选择一个深度学习框架进行学习了。

       2）Bilibili上台湾名师李宏毅的机器学习教程。这个老师讲的非常好，也是首推的，强烈推荐大家去看看，github上还能查到许多他的课程相应的材料。

3）可以参照“其他”栏目里的“组内学生从零深度学习”，这是研究生在学习过程中提供的一些材料，也可以作为参考。

基本完成以上内容，而且自己学着去用用深度学习框架，对计算机视觉和深度学习有初步掌握了（自己去查博客上网，很多地方都有讲深度学习的），再跟我去做一些科研相关的东西。如果做到跟深度学习相关的知识，想把控一下方向，可以提前来找我。（所有前面有关计算机视觉和图像处理，机器学习相关的都是些基础的东西，不要求全部掌握，做到心里有个大概的感觉其实就好了）