我们要求把这些课程的所有Notes,Slides以及作者强烈推荐的论文看懂看明白,并完成所有的老师布置的习题,而推荐的书籍是不做要求的,如果有些书籍是需要看完的,我们会进行额外的说明。
课程 | 机构 | 参考书 | Notes等其他资料 |
---|---|---|---|
线性代数 | MIT | Introduction to Linear Algebra | 链接 |
单变量微积分 | MIT | Calculus with Analytic Geometry | 链接 |
多变量微积分 | MIT | Multivariable Calculus | 链接 |
统计入门 | 可汗学院 | 暂无 | 暂无 |
概率论入门: 链接1,链接2 | NTU | 暂无 | 暂无 |
概率与统计 | MIT | Introduction to Probability | 链接 |
Python程序语言设计 | 暂无 | 暂无 | 暂无 |
Matlab程序语言设计 | 暂无 | 暂无 | 暂无 |
计算机视觉简介 | Udacity | 暂无 | 链接 |
计算机视觉:基础和应用 | Stanford | Computer Vision: A Modern Approach | 链接 |
凸优化1 | Stanford | Convex Optimization | 链接 |
机器学习基石 | NTU | Learning from Data | 链接 |
机器学习技法 | NTU | 暂无 | 链接 |
机器学习 | Stanford | 暂无 | 链接 |
计算机视觉 | Colorado School of Mines | Computer Vision: Algorithms and Applications | 链接 |
卷积神经网络视觉识别 | Stanford | 暂无 | 链接 |
计算机视觉高级阅读 | Stanford | 暂无 | 链接 |
计算机视觉前沿 | Stanford | 暂无 | 链接 |
EENG 512 / CSCI 512 - Computer Vision | Colorado School of Mines | 暂无 | 链接 |
Multiple View Geometry(Youtube视频教程) | TU Munich | 暂无 | 链接1, password:mvg-ss16, 链接2, password:mvg |
Introduction to Image Processing (视频教程) | Rensselaer Polytechnic Institute | 暂无 | 链接 |
Computer Vision for Visual Effects (视频教程) | Rensselaer Polytechnic Institute | 暂无 | 链接 |
课程 | 机构 | 参考书 | Notes等其他资料 |
---|---|---|---|
线性代数 | MIT | Introduction to Linear Algebra | 链接 |
单变量微积分 | MIT | Calculus with Analytic Geometry | 链接 |
多变量微积分 | MIT | Multivariable Calculus | 链接 |
统计入门 | 可汗学院 | 暂无 | 暂无 |
概率论入门: 链接1,链接2 | NTU | 暂无 | 暂无 |
概率与统计 | MIT | Introduction to Probability | 链接 |
计算机视觉需要大量的编程练习,程序语言是帮助大家较好的完成课后作业以及实现自己的一些idea的重要工具,此处我们仅仅给出推荐的参考学习链接,大家掌握一些常用的模块即可,我们的主要目的是能完成参考学习链接部分的实验,推荐书籍比较经典,但不做要求。
课程 | 参考学习链接 | 推荐书籍 |
---|---|---|
Python程序语言设计 | 链接 | 暂无 |
Matlab程序语言设计 | 暂无 | 暂无 |
Stanford暂时还没有相关的视频链接,但强烈建议大家将可以将其后面的Notes部分看完。
课程 | 机构 | 参考书 | Notes等其他资料 |
---|---|---|---|
计算机视觉简介 | Udacity | 暂无 | 链接 |
计算机视觉:基础和应用 | Stanford | Computer Vision: A Modern Approach | 链接 |
课程 | 机构 | 参考书 | Notes等其他资料 |
---|---|---|---|
凸优化1 | Stanford | Convex Optimization | 链接 |
接下来的课程或多或少都需要一些机器学习基础,此处给出两门大家公认的大师课程,但仅仅只要求完成一门机器学习课程即可,注意,如果选择完成NTU的课程,则两门课需同时完成。
课程 | 机构 | 参考书 | Notes等其他资料 |
---|---|---|---|
机器学习基石 | NTU | Learning from Data | 链接 |
机器学习技法 | NTU | 暂无 | 链接 |
机器学习 | Stanford | 暂无 | 链接 |
课程 | 机构 | 参考书 | Notes等其他资料 |
---|---|---|---|
计算机视觉高级阅读 | Stanford | 暂无 | 链接 |
计算机视觉 | Colorado School of Mines | Computer Vision: Algorithms and Applications | 链接 |
卷积神经网络视觉识别 | Stanford | 暂无 | 链接 |
计算机视觉前沿 | Stanford | 暂无 | 链接 |
以下推荐的书籍都是公认的计算机视觉领域界的好书,建议一般难度的书籍需详细阅读,而较难的书籍不做任何要求,大家可以在学有余力时细细品味经典。
如果您已经完成了上述的所有科目,恭喜您已经拥有了十分扎实的计算机视觉基础,可以较为顺利的进入自己感兴趣的领域进行较为深入研究,以下陈列的是一些计算机视觉的高级会议的地址,如果有兴趣可以阅读相应的论文了解计算机视觉最新的进展。
-
一个神奇的网站:Annotated Computer Vision Bibliography: Table of Contents
-
Annotated Computer Vision Bibliography: Table of Contents:超全的计算机视觉知识网址,罗列近20年的知识(目前还在更新中)
Keith Price老爷子从1994年开始做了这个索引,涵盖了所有计算机视觉里面所有topic,所有subtopic的著作,包括论文,教材,还对各类主题的关键词。这个网站在Szeliski等人的书应该都有提及。Price坚持了23年,频繁更新(最近一次是三月10号),收录每个方向重要期刊,会议文献和书籍,并且保证了所有链接不失效。
-
[CS231n: Convolutional Neural Networks for Visual Recognition](http://cs231n.stanford.edu/CS231M: Mobile Computer Vision)
-
一些新闻和新消息,一直在更新。
-
awesome-computer-vision github上关于CV方向超全面的资料库,涵盖常用书籍,课程,期刊/会议,软件,数据集和博客等。