The M Tank 编辑了一份报告《A Year in Computer Vision》，记录了 2016 至 2017 年计算机视觉领域的研究成果，对开发者和研究人员来说是不可多得的一份详细材料。该材料共包括四大部分
简介
第一部分
分类/定位
目标检测
目标追踪
第二部分
分割
超分辨率、风格迁移、着色
动作识别
第三部分
3D 目标
人体姿势估计
3D 重建
其他未分类 3D
总结
第四部分
卷积架构
数据集
不可分类的其他材料与有趣趋势
结论
有兴趣的同学可以读一读，完整 PDF 地址：http://www.themtank.org/pdfs/AYearofComputerVisionPDF.pdf
下面是收集到的学习资料与心得的汇总：
01 掌握好相应的基础能力
计算机视觉的理念其实与很多概念有部分重叠，包括：人工智能、数字图像处理、机器学习、深度学习、模式识别、概率图模型、科学计算以及一系列的数学计算等。
所以在入门CV之前，同学们最好对基础的学术课程都有对应的了解，比如数学方面的微积分，概率学，统计学，线性代数这几门基础课程。
在编程语言方面，Matlab，Python，C++，最好熟悉其中2种，因为计算机视觉离开计算机编程是完全行不通的
02 需要的专业工具
工欲善其事，必先利其器。对于想要学好计算机视觉的同学来说，一个专业的工具，绝对是助攻的不二神器。
OpenCV（开源计算机视觉库）是一个非常强大的学习资料库，包括了计算机视觉，模式识别，图像处理等许多基本算法。
它免费提供给学术和商业用途，有C++，C，Python和java接口，支持Windows、Linux、Mac OS、iOS和Android。
而关于OpenCV的学习，AI菌推荐（其中第三本目前无中文版）：
学习OpenCV(Learning.OpenCV)
链接：https://pan.baidu.com/s/1c2GrPEK 密码：7012
毛星云老师编著的OpenCV3编程入门
链接：https://pan.baidu.com/s/1c2xuVFq 密码：2s4a
学习OpenCV3（Learning OpenCV 3）
链接：https://pan.baidu.com/s/1geQeT0J 密码：cuco
而深度学习方面，有TensorFlow，PyTorch，Caffe等深度学习框架，它们也内置了OpenCV的API接口。而哪种框架好，就要看你自己的需要了
推荐资料：
莫凡教程系列之PyTorch :https://morvanzhou.github.io/tutorials/machine-learning/torch/
TensorFlow中文社区：
http://www.tensorfly.cn/
03 绕不开的数字图像处理与模式识别
数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
入门的同学推荐
冈萨雷斯的《数字图像处理》《数字图像处理(第3版)(英文版)》和对应的Matlab版本
一本讲基础的理论，一本讲怎么用Matlab实现。
除此之外同学们还可以去YouTube上找到相关的课程信息，相信大家会有所收获的。
模式识别（Pattern Recognition），就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。
计算机视觉很多东西都是基于图像识别的，图像识别就是模式识别的一种。
模式识别通常是训练一个模型来拟合当前的数据，当我们拿到一堆数据或图片，需要从当中找到它们的关系，最便捷的便是用模式识别算法来训练一个模型。
AI菌推荐一本模式识别入门级的教材《模式分类》，相对于《模式识别》这本书来说可能比较难，但书中介绍了很多模式识别经典的分类器，还是很值得一读。
其中的一些思想在神经网络中也可以应用的
04 系统的学习下计算机视觉课程
对于CV新手来说，想要从小白到大神，最快的方法就是先系统的学习一下计算机视觉的课程，全面了解一下计算机视觉这个领域的背景及其发展、这个领域有哪些基本的问题、哪些问题的研究已经比较成熟了，哪些问题的研究还处于基础阶段。
在这里AI菌推荐3本经典教材：
1.《计算机视觉：一种现代方法》（Computer Vision: A Modern Approach）
2.《计算机视觉_算法与应用》（Computer Vision: Algorithms and Applications）
3.《计算机视觉：模型 学习和推理》（Computer Vision: Models, Learning, and Inference）
这三本教材是计算机视觉最好的入门教材了，内容丰富，难度适中，其中第二本书涉及大量的文献，很适合对计算机视觉没什么概念的同学。
虽然其中的一些方法在现在看来已经过时了，但还是值得一读
05 深度学习与CNN
计算机视觉里经常使卷积神经网络，即CNN，是一种对人脑比较精准的模拟。
什么是卷积？卷积就是两个函数之间的相互关系，然后得出一个新的值，他是在连续空间做积分计算，然后在离散空间内求和的过程。
同学们可以试着学习下CNN在计算机视觉当中的应用
推荐的资料：
1.斯坦福CS231n—深度学习与计算机视觉网易云课堂课程：http://study.163.com/course/introduction.htm?courseId=1003223001
2.斯坦福CS231n—深度学习与计算机视觉官方课程：http://cs231n.stanford.edu/
3.CS231n官方笔记授权翻译总集篇：https://www.52ml.net/17723.html
4.吴恩达 deeplearning.ai与网易云课堂的微专业深度学习工程师卷积神经网络
http://mooc.study.163.com/course/2001281004?tid=2001392030#/info
神经网络方面的经典教材
1.《深度学习》（Deep Learning）
2.《神经⽹络与深度学习》（Neural Networks and Deep Learning(Nielsen,2017)）
06 了解最新领域动态
很多同学做研究的时候，容易陷入自我封闭的“怪圈”，过于执着于埋头学习相关知识，有时候会忘记及时了解相关领域的最新动态，这是非常不科学的。
同学们在学习计算机视觉相关知识的时候，可以通过最新的paper来了解这个领域最新提出的一些概念以及发展的情况。
计算机视觉的期刊有两个PAMI（模式分析与机器智能汇刊）和IJCV（计算机视觉国际期刊）
顶级的学术会议有 CVPR、ICCV、 ECCV、 BMVC这四个，同学们可以跟着浏览这些期刊论文以及会议文章，相信一定可以学到不少有用的知识。
做好计算机视觉研究并不是一件容易的事情，在大多数情况下它甚至是一件很枯燥的事情。研究成果毫无进展，研究方向不在明朗等等，这一切都会给你前所未有的压力.所以希望同学们在决定入这一行的时候，是出于自己的热爱，而不是出于当前的趋势。
因为热爱不会变，但趋势每一年都在变。