1樓：超越
補充一點，就目前來看，無論是影象處理，還是模式識別，深度學習都是一種避不開的方法。
因此，主流、通用的深度學習演算法是值得學習的，例如1）卷積神經網路
卷積神經網路在2023年的ImageNet影象識別競賽中獲得了冠軍。
卷積神經網路
2）殘差網路
殘差網路的基本結構如下圖最上面的一行所示，有許多跨層連線。
殘差網路
3）殘差收縮網路
殘差收縮網路[1]
[2]的基本模組採用了軟閾值化，以應對強噪資料的情況。
殘差收縮網路
2樓：
瀉藥。雖然自己即將畢業，即將走向工作崗位，回首過去兩年的學習過程，雖然感覺自己還是比較渣，還是可以稍微聊一聊吧！
1、如何循序漸進地學習自己感興趣的知識？
可以先了解一下基本的機器學習的基本概念，研究生會有一些機器學習或者模式識別的課程。跟著老師，然後自己看一些書，比如《統計機器學習》，或者英語足夠好，且有恆心和毅力，可以看看PRML，coursera上有andrew ng的 machine learning的課程並且有很多的練習（基於matlab）。UFLDL（http:
//deeplearning.stanford.edu
/wiki/index.php/UFLDL_Tutorial
）的作為乙個入門深度學習的教程也是蠻不錯的。最近出的deep learning 這本書據說作為入門教程也是很不錯的，沒有看過，不過大牛寫的，應該是不錯的！
有了基本的概念之後就可以和導師商量著選擇乙個合適的方向，計算機視覺裡有很多的問題，比如視覺跟蹤，目標識別，影象標註，影象檢索，人臉相關，行人檢測。。。每乙個方向都有若干的相關工作，建議結合老闆的研究背景，選擇乙個合適的方向深入、系統的學習下去，從頂會頂刊上的文章去學習應該會非常的快，並且是最前沿的！
2、學習過程中程式設計重要麼，用什麼語言程式設計更流行？
程式設計很重要！程式設計很重要！程式設計很重要！
不管你是學啥方向，程式設計都是咱們吃飯的技能，一定要過硬！程式語言的話做研究的話主要是matlab和python，我們實驗室主要用matlab，matlab主要是建模非常快，可以很快速的驗證結果，但是缺點也很明顯，速度偏慢，但也沒有很慢！不過個人感覺還是python更流行吧，現在的幾大主流深度學習框架基本都支援python，而且python有很多的機器學習的庫可以使用！
如果以後打算做工程，那掌握python也是非常有必要的！
3、需要把所有有關影象增強，影象還原，影象分割之類的經典演算法都按照歷史發展順序學習一遍麼？
個人感覺並沒有必要，計算機視覺中的很多子領域方法都是相通的，個人覺得還不如選擇乙個方向仔細研究下去，然後才能觸類旁通。當你深入的去學習乙個領域的東西時，你會發現相關領域的東西其實都是類似的！
最後，一起加油！
3樓：李創
你說的基礎，勉強夠影象處理，模式識別只能算勉強入門用，模式識別需要深厚的數學功底，而且現在很多情況都趨向人工智慧，碩士很多情況都不夠看。
影象處理其實基礎演算法很多年都沒什麼改進了，高階點的應用又和場景強相關，3D，指紋瞳孔，人臉，交通，醫療，衛星，工業，安防什麼的交叉學科都有區別。
建議利用導師資源，找個能找到帶路人的細節領域深入
如何評價2018新銳攝影獎的大獎作品《失重》？
桔梗snh 並不是人類一切勞動和智慧型的創造物都可以稱為藝術品。只有那些能夠給人以精神上的愉悅和快感，也就是具有審美價值或審美性的人類創造物，才能稱為藝術品。藝術學概論 攝影師韌韌 首先，大眾印象中的 人像攝影 往往是真善美的，這個作品 不美 但不代表 人像攝影 不能這樣拍，相反，攝影史上有很多攝影...
ipad有必要買個小藍芽鍵盤嗎？
炸貓煢 我為什麼不用羅技鍵盤了？買了iPad之後，我也跟風的入手了iPad的外接鍵盤。買了一年多，其實使用的次數10只手指頭都能數得過來。K30這一款按下去鍵程感覺比較短的，使用感覺並不美，而且聲音雖然比我電腦鍵盤要小，但是就是沒有敲字的快感。如果不是經常出差或者是膝上型電腦使用不方便，真的沒有必要...
2018 年到了，說說你的小目標？
李德 2018我的目標是繼續給知乎上的朋友們提供高質量的回答。目標雖小，我在知乎上每天的工作量是很大的。經常為了提高回答質量不斷修改，就算是很久以前的回答，我覺得有疑問，也會去查資料以修正錯誤。雖然知識服務的市場增長緩慢，但2018是大家對於知識學習更加重視的一年，也是我們普通知乎使用者的回答得到關...