本文经AI新媒体量子位（公众号ID：QbitAI）授权转载，转载请联系出处。同学，听说你刚刚误入了计算机视觉的坑。那么恭喜，因为现在有一份81页的CV成长指南，可以给你无微不至的呵护：从安装Python、安装OpenCV、深度学习入门，到人脸识别、物体检测、语义分割等各种应用，都有进阶路线，里面有教程、案例、注意事项。您甚至可以找到有关如何将算法部署到RaspberryPi等硬件的经验。推文发布后的12小时内，已有1200人点赞。作者名叫AdrianRosebrock，经常出教程的宝库。如果你是新手，如果你想成长为一名合格的老司机，请标记本指南。那么，让我们看看内容有多丰富吧：为了避免“从入门到放弃”的悲剧，本攻略为你成为老司机的每一步都做了安排。从目录来看，大致分为两部分。左栏是基础，右栏是应用：先看左边的基础装备：我应该从哪里入手？深度学习人脸应用图像文本识别（OCR）目标检测·目标跟踪·实例分割和语义分割第一章“我应该从哪里开始”OpenCV的进阶路线：一个是安装Python和OpenCV（入门），另一个一是理解命令行参数（入门），三是使用LearnOpenCVbyexample（入门），四是自己搭建一个OpenCV小项目（入门），五是做一个更高级的OpenCV项目（中），第六是在CV的大世界里选择自己的小方向（中）。每个步骤都有注意事项和必要的教程资源。比如OpenCV怎么安装最简单，为什么不用Windows，在做项目的过程中应该避免哪些常见的错误类型。有些步骤分为多个小步骤，每个小步骤都有作者的温馨建议。例如，这是第五步：完成本章的六个步骤后，还有一个步骤叫做“WhattoNext”。除了告诉大家接下来要做什么，还提供了一些额外的教程资源。第二章“深度学习”是算法的进阶路线。内容比第一章丰富。有12个步骤：一个是搭建深度学习环境（初学者），另一个是训练你的第一个网络（初学者）。三是理解CNN（开始），四是建立自己的图像数据集（中），五是在自己的数据集上训练一个CNN（中），六是调整学习率（中）),7是数据放大（中），8是特征提取和微调预训练网络（中），9是视频分类（高），10是多输入多输出网络（高），11是改善自己的网络（高），12是AutoML和AutoKeras。尽管如此，每一步都提供了详细的指导，并且有过去的成功案例来确保您的安全。比如这是第十二步：从第三章“人脸应用”开始，就是各种具体任务中使用的算法。检测人脸、检测关键点、识别人脸、提高算法准确率……也将前两章的进阶路线贯彻到任务中。本章作者AdrianRosebrock频繁出镜：第4-7章，文本识别、目标检测、目标跟踪、实例分割和语义分割，与第三章相同，这里不再详述。作者继续高密出镜：接下来看右边栏目，助你进入现实：嵌入式和物联网简历树莓派简历医疗领域简历制作视频图片搜索引擎面试大佬大师，案例研究（和教程），成功案例，比如如何把自己的算法放进树莓派，放进冰箱，放进大脑，都有详细的玩法。作者还在现场：另外还有各种成功前辈的访谈，里面有一些成功的案例（或附教程），是初学者可以借鉴的经验：这些资料除了技术建议，还可以用作美味鸡汤，激励你一路走向人参的巅峰。
