計算機視覺碩士該怎么學習 學習了哪些知識，計算機視覺才算入門

對于機器視覺方向的研究生該如何去規(guī)劃學習？學習了哪些知識，計算機視覺才算入門，學習計算機視覺需要哪些知識儲備，計算機視覺需要學什么？

本文導航

• 機器視覺研究生學什么專業(yè)
• 學習了哪些知識，計算機視覺才算入門
• 學習計算機視覺需要哪些知識儲備？
• 計算機視覺需要學什么

機器視覺研究生學什么專業(yè)

是考上的上海電力學院不？

考的專業(yè)不同，所以給不了樓主什么有建設性的意見。

關(guān)于研究生階段的規(guī)劃：

一、研究生與大學生的區(qū)別

首先跟大家說明一下研究生和大學生的區(qū)別。大學生基本上是來接受學問、接受知識的，在中國原本并沒有博碩士的學歷，但是在西方他們原來的用意是，恭賀你已經(jīng)對人類普遍的知識有所創(chuàng)新，這個創(chuàng)新或大或小，都是對于普遍的知識有所貢獻。這個創(chuàng)新不會因為你做本土與否而有所不同，所以第一個我們必須要很用心、很深刻的思考，大學生和研究生是不同的。

（一）選擇自己的問題取向，學會創(chuàng)新

你一旦是研究生，你就已經(jīng)進入另一個階段，不只是要完全樂在其中，更要從而接受各種有趣的知識，進入制造知識的階段，也就是說你的論文應該有所創(chuàng)新。由接受知識到創(chuàng)造知識，是身為一個研究生最大的特色，不僅如此，還要體認自己不再是個容器，等著老師把某些東西倒在茶杯里，而是要開始逐步發(fā)展和開發(fā)自己。做為研究生不再是對于各種新奇的課照單全收，而是要重視問題取向的安排，就是在碩士或博士的階段里面，所有的精力、所有修課以及讀的書里面都應該要有一個關(guān)注的焦點，而不能像大學那般漫無目標。大學生時代是因為你要盡量開創(chuàng)自己接受任何東西，但是到了碩士生和博士生，有一個最終的目的，就是要完成論文，那篇論文是你個人所有武功的總集合，所以這時候必須要有個問題取向的學習。

（二）嘗試跨領(lǐng)域研究，主動學習

提出一個重要的問題，跨越一個重要的領(lǐng)域，將決定你未來的成敗。我也在臺大和清華教了十幾年的課，我常常跟學生講，選對一個領(lǐng)域和選對一個問題是成敗的關(guān)鍵，而你自己本身必須是帶著問題來探究無限的學問世界，因為你不再像大學時代一樣泛濫無所歸。所以這段時間內(nèi)，必須選定一個有興趣與關(guān)注的主題為出發(fā)點，來探究這些知識，產(chǎn)生有機的循環(huán)。由于你是自發(fā)性的對這個問題產(chǎn)生好奇和興趣，所以你的態(tài)度和大學部的學生是截然不同的，你慢慢從被動的接受者變成是一個主動的探索者，并學會悠游在這學術(shù)的領(lǐng)域。

然而研究生另外一個重要的階段就是 Learn how to learn ，不只是學習而已，而是學習如何學習，不再是要去買一件很漂亮的衣服，而是要學習拿起那一根針，學會繡出一件漂亮的衣服，慢慢學習把目標放在一個標準上，而這一個標準就是你將來要完成碩士或博士論文。如果你到西方一流的大學去讀書，你會覺得我這一篇論文可能要和全世界做同一件問題的人相比較。我想即使在***也應該要有這樣的心情，你的標準不能單單只是放在旁邊幾個人而已，而應該是要放在領(lǐng)域的普遍人里面。你這篇文章要有新的東西，才算達到的標準，也才符合到我們剛剛講到那張拉丁文的博士證書上面所講的，有所貢獻與創(chuàng)新。

二、一個老師怎么訓練研究生

第二個，身為老師你要怎么訓練研究生。我認為人文科學和社會科學的訓練，哪怕是自然科學的訓練，到研究生階段應該更像師徒制，所以來自個人和老師、個人和同儕間密切的互動和學習是非常重要的，跟大學部坐在那邊單純聽課，聽完就走人是不一樣的，相較之下你的生活應該要和你所追求的知識與解答相結(jié)合，并且你往后的生活應該或多或少都和這個探索有相關(guān)。

（一）善用與老師的伙伴關(guān)系，不斷 Research

我常說英文 research 這個字非常有意義， search 是尋找，而 research 是再尋找，所以每個人都要 research ，不斷的一遍一遍再尋找，并進而使你的生活和學習成為一體。中國近代兵學大師蔣百里在他的兵學書中曾說：「生活條件要跟戰(zhàn)斗條件一致，近代歐洲凡生活與戰(zhàn)斗條件一致者強，凡生活與戰(zhàn)斗條件不一致者弱?！刮揖褪墙逵蛇@個來說明研究生的生活，你的生活條件與你的戰(zhàn)斗條件要一致，你的生活是跟著老師與同學共同成長的，當中你所聽到的每一句話，都可能帶給你無限的啟發(fā)。

（二）藉由大量閱讀和老師提點，進入研究領(lǐng)域

怎樣進入一個領(lǐng)域最好，我個人覺得只有兩條路，其中一條就是讓他不停的念書、不停的報告，這是進入一個陌生的領(lǐng)域最快，又最方便的方法，到最后不知不覺學生就會知道這個領(lǐng)域有些什么，我們在不停念書的時候常常可能會沉溺在細節(jié)里不能自拔，進而失去全景，導致見樹不見林，或是被那幾句英文困住，而忘記全局在講什么。藉由學生的報告，老師可以講述或是厘清其中的精華內(nèi)容，經(jīng)由老師幾句提點，就會慢慢打通任督二脈，逐漸發(fā)展一種自發(fā)學習的能力，同時也知道碰到問題可以看哪些東西。就像是我在美國念書的時候，我修過一些我完全沒有背景知識的國家的歷史，所以我就不停的念書、不停***著自己吸收，而老師也只是不停的開書目，運用這樣的方式慢慢訓練，有一天我不再研究它時，我發(fā)現(xiàn)自己仍然有自我生產(chǎn)及蓄發(fā)的能力，因為我知道這個學問大概是什么樣的輪廓，碰到問題也有能力可以去查詢相關(guān)

學習了哪些知識，計算機視覺才算入門

計算機視覺是一個很大的范疇的總和，有兩種學習方式，一種是閱讀基礎(chǔ)書，搞懂它的每一部分；另一種是找一個問題，看文獻，編程實現(xiàn)，不斷往深走。這兩種學習方式是互補的，如果你看了好幾年書還不能上手解決問題，或者只會解決某些很特殊的問題，對其他問題束手無策都不算成功。因此你需要把看書掌握一般知識和編程實驗解決具體問題齊頭并進。下面說你要干什么：

下載安裝OpenCV2

OpenCV是一個非常強大的計算機視覺庫，包括了圖像處理、計算機視覺、模式識別、多視圖幾何的許多基本算法，有c++和Python兩種接口。學習的材料首先是安裝目錄下doc文件夾里的幫助文檔，提供所有函數(shù)的用法，任何時候?qū)θ魏魏瘮?shù)有疑問請查閱幫助文檔，安裝目錄下還提供一大堆寫好的演示程序供參考；《OpenCV_2 Computer Vision Application Programming Cookbook》是一本比較基礎(chǔ)的介紹材料，它的缺點是沒有介紹分類器（模式識別）方面的函數(shù)怎么用。

雖然網(wǎng)上還有其他很多流行的庫，比如處理特征點的VLfeat，處理點云的PCL，處理GPU運算的CUDA，處理機器人問題的ROS和MRPT，但是這些都是你在解決具體問題時才會考慮去用的東西，如果你想快速讀取視頻、做個屏幕交互程序、使用流行的分類器、提取特征點、對圖像做處理、進行雙目重建，OpenCV都提供相應函數(shù)，因此在你不知道該把余生用來干什么的時候，先裝OpenCV學習。

讀綜述

Computer Vision: Algorithms and Application。這本書用1000頁篇幅圖文并茂地瀏覽了計算機視覺這門學科的諸多大方向，如果你不知道計算機視覺是一門搞什么的學科，這本書是你絕佳的選擇。它的優(yōu)點是涉獵了大量文獻，缺點是缺乏細節(jié)，因此很顯然只讀這本書你根本沒法上手工作，因為它講的實在是太粗糙了。如果你對其中的某一部分感興趣，就請去讀相關(guān)文獻，繼續(xù)往下走，這就是這本書的意義。有中文版，但是翻譯的不好，也不建議你細細去讀，看看里面的圖片即可。

Computer Vision: Models, Learning, and Inference：這本書是我認為研究生和高年級本科生入門計算機視覺最好的教材。它內(nèi)容豐富，難度適中，推導翔實，語言流暢，強烈推薦你花2個月時間把這本書讀完。

多視圖幾何

Multiple View Geometry in Computer Vision：這本書是多視圖幾何的圣經(jīng)，意思就是說想搞三維重建或者圖像測量之類的項目，這本書是必讀的。它需要你有線性代數(shù)的基本知識，會SVD分解即可。第一版有中文版，翻譯的非常好，但是已經(jīng)絕版了，可以上淘寶高價買一本，第二版添加的內(nèi)容很少，在網(wǎng)上可以下載到。

模式識別

模式識別核心就是訓練一個函數(shù)來擬合手頭的數(shù)據(jù)，如果數(shù)據(jù)的標簽是離散的，稱為分類問題，如數(shù)據(jù)的標簽是連續(xù)的，稱為回歸問題；分類又分有監(jiān)督分類和無監(jiān)督分類，有監(jiān)督分類器有神經(jīng)網(wǎng)絡、支持向量機、AdaBoost、隨機場、樹模型等等。當你拿到一大堆數(shù)據(jù)，需要從里面找關(guān)系的時候，一般都需要使用模式識別算法來訓練一個函數(shù)/分類器/模型，因此模式識別是機器學習的核心。

《模式分類（第二版）》：這是一本適合普通讀者閱讀的教材，介紹了模式識別中經(jīng)典的分類器，講解細致，語言生動，難度適中，每一個算法都有偽代碼。

The Elements of Statistical Learning：這本書使用嚴謹?shù)臄?shù)學工具分析模式識別算法，它比較難，但是非常深刻。每拿到一個模型它都會分析這個模型在數(shù)學上是如何構(gòu)造的，并且推導模型的分類錯誤率。分析和推導是這本書的精髓。

Pattern Recognition and Machine Learning：這是一本從貝葉斯學派的角度分析模式識別模型的書，它使用的工具主要是概率論，比較難，非常深刻，內(nèi)容非常豐富。

雖然這兩本書很難，但是它們用到的數(shù)學知識不過是基本的概率論和線性代數(shù)，只是用的比較活，計算機視覺這個學科需要的數(shù)學知識也是這個水平。

圖形學

圖形學教材首先推薦《計算機圖形學與幾何造型導論》，這本書用流暢的語言介紹了圖形學的基礎(chǔ)知識，選材有趣，推導簡潔但是絕不跳步走，保證你能看懂而且不會看煩。

光線追蹤器我看過一本薄的《Realistic Ray Tracing》和一本厚的《Ray Tracing from the Ground Up》，兩本書都有代碼。后一本內(nèi)容極其豐富，有中文版，翻譯尚可。后一本唯一的缺點就是講不清楚BRDF，但這恰恰是前一本的亮點。

還有一些比較偏的書，比如偏微分方程在圖像處理中的應用、細分、壓縮感知、馬爾科夫隨機場、超分辨率分析，概率機器人、多尺度幾何分析，這些領(lǐng)域都有各自的名著，你在某個領(lǐng)域深挖的時候，類似這樣的書可能會出現(xiàn)在參考文獻中，那時再看不遲。

讀文獻

寫到書里的知識基本上都有些過時，你得通過看文獻掌握各個領(lǐng)域最新的發(fā)展動態(tài)。計算機視覺的頂級期刊有兩個PAMI和IJCV，頂級會議有ICCV和CVPR，在科學網(wǎng)—[轉(zhuǎn)載]計算機視覺方向的一些頂級會議和期刊有更加詳細的介紹。

學習計算機視覺需要哪些知識儲備？

圖像處理的知識。圖像處理大致包括的內(nèi)容：光學成像基礎(chǔ)、顏色、濾波器、局部圖像特征、圖像紋理、圖像匹配等。

計算機視覺是一門研究如何使機器“看”的科學，更進一步地說，就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。作為一個科學學科，計算機視覺研究相關(guān)的理論和技術(shù)，試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取‘信息’的人工智能系統(tǒng)。

容聯(lián)是專業(yè)的高科技信息通訊公司。容聯(lián)以云化和智能化的方式，為企業(yè)客戶提供全面的通訊服務。包括PaaS通訊能力（語音、短信等）、CC（云客服與云聯(lián)絡中心）、UC（IM即時通訊云、融合通訊、視頻與會議）、行業(yè)新通訊解決方案和“通訊+AI”服務，助力企業(yè)提高溝通體驗和經(jīng)營效率，驅(qū)動中國企業(yè)通訊產(chǎn)業(yè)實現(xiàn)互聯(lián)網(wǎng)化、云計算化、能力化、融合化和智能化。

計算機視覺需要學什么

學習計算機視覺需要具備的知識儲備有：

1、圖像處理的知識。圖像處理大致包括的內(nèi)容：光學成像基礎(chǔ)、顏色、濾波器、局部圖像特征、圖像紋理、圖像配等。

2、立體視覺的知識。立體視覺大致包括的內(nèi)容：相機幾何模型、雙目視覺、從運動中恢復物體結(jié)構(gòu)、三維重建技術(shù)等。

3、人工智能的知識。人工智能大致包括的內(nèi)容：場景理解與分析、模式識別、圖像搜索、數(shù)據(jù)挖掘、深度學習等。

4、與計算機視覺相關(guān)的學科還有：機器視覺、數(shù)字圖像處理、醫(yī)學成像、攝影測量、傳感器等。