计算机图像处理与模式识别方向怎样学习
泻药。虽然自己即将毕业，即将走向工作岗位，回首过去两年的学习过程，虽然感觉自己还是比较渣，还是可以稍微聊一聊吧！1、如何循序渐进地学习自己感兴趣的知识？可以先了解一下基本的机器学习的基本概念，研究生会有一些机器学习或者模式识别的课程。跟着老师，然后自己看一些书，比如《统计机器学习》，或者英语足够好，且有恒心和毅力，可以看看PRML，coursera上有andrew ng的 machine learning的课程并且有很多的练习（基于matlab）。UFLDL（http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial）的作为一个入门深度学习的教程也是蛮不错的。最近出的deep learning 这本书据说作为入门教程也是很不错的，没有看过，不过大牛写的，应该是不错的！有了基本的概念之后就可以和导师商量着选择一个合适的方向，计算机视觉里有很多的问题，比如视觉跟踪，目标识别，图像标注，图像检索，人脸相关，行人检测。。。每一个方向都有若干的相关工作，建议结合老板的研究背景，选择一个合适的方向深入、系统的学习下去，从顶会顶刊上的文章去学习应该会非常的快，并且是最前沿的！2、学习过程中编程重要么，用什么语言编程更流行？编程很重要！编程很重要！编程很重要！不管你是学啥方向，编程都是咱们吃饭的技能，一定要过硬！编程语言的话做研究的话主要是matlab和python，我们实验室主要用matlab，matlab主要是建模非常快，可以很快速的验证结果，但是缺点也很明显，速度偏慢，但也没有很慢！不过个人感觉还是python更流行吧，现在的几大主流深度学习框架基本都支持python，而且python有很多的机器学习的库可以使用！如果以后打算做工程，那掌握python也是非常有必要的！3、需要把所有有关图像增强，图像还原，图像分割之类的经典算法都按照历史发展顺序学习一遍么？个人感觉并没有必要，计算机视觉中的很多子领域方法都是相通的，个人觉得还不如选择一个方向仔细研究下去，然后才能触类旁通。当你深入的去学习一个领域的东西时，你会发现相关领域的东西其实都是类似的！最后，一起加油！
■网友
你说的基础，勉强够图像处理，模式识别只能算勉强入门用，模式识别需要深厚的数学功底，而且现在很多情况都趋向人工智能，硕士很多情况都不够看。图像处理其实基础算法很多年都没什么改进了，高级点的应用又和场景强相关，3D，指纹瞳孔，人脸，交通，医疗，卫星，工业，安防什么的交叉学科都有区别。建议利用导师资源，找个能找到带路人的细节领域深入
■网友
补充一点，就目前来看，无论是图像处理，还是模式识别，深度学习都是一种避不开的方法。
因此，主流、通用的深度学习算法是值得学习的，例如
1）卷积神经网络
卷积神经网络在2012年的ImageNet图像识别竞赛中获得了冠军。
卷积神经网络2）残差网络
残差网络的基本结构如下图最上面的一行所示，有许多跨层连接。
残差网络3）残差收缩网络
残差收缩网络的基本模块采用了软阈值化，以应对强噪数据的情况。
残差收缩网络 【计算机图像处理与模式识别方向怎样学习】
推荐阅读
- 安徽合肥：辅警管理新模式电诈压降显成效
- 甘肃乡贤文化渐兴：兰州高新区探“村委+乡贤”模式
- 互联网在线音乐行业有哪些可能的盈利模式
- 想要入门图像处理，应该从哪本书看起
- 学图像处理有哪些不错的书推荐
- 国内有类似Ebay中bid（竞标）模式的网购平台吗
- 大部分黑客或安全研究员读的是啥「大学专业 」
- 在哈尔滨工业大学计算机系就读是啥样的体验
- 计算机技术与科学专业怎样利用高中毕业的暑假
- 21世纪经济报道|携手国家电网 东风汽车将推换电模式