1. 看吴恩达《机器学习》《深度学习》课程，学一点机器学习的知识。

2. 读几篇CV模型的文章，了解一下经典的Alexnet、R-CNN系列、YOLO等。

3. 在github上找几个tensorflow、pytorch实现上述模型的开源代码。

4. 下载VOC、ImageNet、COCO、kaggle等数据集。

5. 按照开源代码中的Readme准备一下数据集，跑一下结果。

 第一章：机器学习与计算机视觉

计算机视觉简介

技术背景

• 了解人工智能方向、热点

计算机视觉简介

• cv简介

• cv技能树构建

• 应用领域

机器学习的数学基础

• 线性与非线性变换

• 概率学基础

• 熵

• kl散度

• 梯度下降法

计算机视觉与机器学习基础

图像和视频

• 图像的取样与量化

• 滤波

• 直方图

• 上采样

• 下采样

• 卷积

• 直方图均衡化算法

• 最近邻差值

• 单/双线性差值

特征选择与特征提取

• 特征选择方法

• filter等

• 特征提取方法：PCA、LDA、SVD等

边缘提取

• Canny

• Roberts

• Sobel

• Prewitt

• Hessian特征

• Haar特征

相机模型

• 小孔成像模型

• 相机模型

• 镜头畸变

• 透视变换

计算机视觉与机器学习进阶

聚类算法

• kmeans

• 层次聚类

• 密度聚类

• 谱聚类

坐标变换与视觉测量

• 左右手坐标系及转换

• 万向锁

• 旋转矩阵

• 四元数

三维计算机视觉

• 立体视觉

• 多视几何

• SIFT算法

三维计算机视觉与点云模型

• PCL点云模型

• spin image

• 三维重构

• SFM算法

图像滤波器

• 直通滤波

• 体素滤波

• 双边滤波器

• 条件滤波

• 半径滤波

• 图像增加噪声与降噪

OpenCV详解

OpenCV算法解析

• 线性拟合

• 最小二乘法

• RANSAC算法

• 哈希算法

• DCT算法

• 汉明距离

• 图像相似度

第二章：深度学习与计算机视觉

神经网络

深度学习与神经网络

• 深度学习简介

• 基本的深度学习架构

• 神经元

• 激活函数详解（sigmoid、tanh、relu等）

• 感性认识隐藏层

• 如何定义网络层

• 损失函数

推理和训练

• 神经网络的推理和训练

• bp算法详解

• 归一化

• Batch Normalization详解

• 解决过拟合

• dropout

• softmax

• 手推神经网络的训练过程

从零开始训练神经网络

• 使用python从零开始实现神经网络训练

• 构建神经网络的经验总结

深度学习开源框架

• pytorch

• tensorflow

• caffe

• mxnet

• keras

• 优化器详解(GD,SGD,RMSprop等