1樓：knnay
現在很多機器視覺的任務，是採用深度學習實現的，因此有必要學習一些常用的深度學習方法。
其中，最常用的深度學習方法就是卷積神經網路（Convolutional Neural Networks）。在其基礎上，又出現了殘差網路，以及適用於含噪資料的深度殘差收縮網路等。
卷積神經網路
殘差網路的主要特色是引入了跨層路徑。
殘差網路
深度殘差收縮網路
[1][2]包含自適應軟閾值化層，在強噪、高冗餘資料上的效果較好。
（面向強噪、高冗餘資料的）深度殘差收縮網路
2樓：阿真
當然是去b站上學啦~
學習機器視覺可以先從halcon入手，我們實驗室幾乎每個人都是從學習halcon開始。
Halcon的操作介面簡單，易上手，非常容易出效果。本人畢設就是用的halcon。
課程學習順序先按照前面的啟蒙班、初級班、強化班三個課程開始學，後面的課程根據自己需要來學習。
超人視覺啟蒙班教學
【機器視覺】Halcon從入門到精通（超人視覺啟蒙班教學）_嗶哩嗶哩 (゜-゜)つロ 乾杯~-bilibili
超人視覺初級班
HALCON超人視覺網路免費課程初級班_嗶哩嗶哩 (゜-゜)つロ 乾杯~-bilibili
超人視覺強化班
超人視覺HALCON聯合VC++課程
超人視覺機械手班
HALCON超人視覺網路免費課程機械手班_嗶哩嗶哩 (゜-゜)つロ 乾杯~-bilibili
超人視覺三維啟蒙班
3樓：
跟著師傅學
因為你之所以問了這個問題
那我可以假設你不會自學
而且你想找到最快捷的方法
其實所有學問都可以自己找資料學習
像你這樣的是知乎的另一類人
也是知乎價值所在
但是，我想說
這裡絕大多數是錯的，不嚴謹的，片面的，有誤導的你若沒有老練的判別能力
多看書，多上學保險點
4樓：於新博
學軟體工程的，機器學習是未來趨勢，接觸不多，了解不深，只是發表一些微小的見解
重點是演算法，提公升準確性和效能是關鍵。需要學好數學基礎，會運用各種演算法和數學模型。熟悉至少一門程式語言，最好是C++，初學可以使用Python這種功能強大的封裝好的語言。
具體實現已經有人說過的，對於學習過程可以嘗試使用英偉達顯示卡來實現，建立CUDA工程，加速運算。對於資料庫的實現可以嘗試用已有的一些神經網路資料庫實現來構建高效能的資料庫。
高效能學習場景不太推薦Python，這個語言一般使用直譯器執行，自學習需要非常長的時間。
實現機器學習可以參考caffe這種框架的實現，了解這個框架究竟是如何實現的。了解這些框架以後自然就能上手機器視覺了。
可以使用C++和OpenCV庫，文件多，建立CUDA工程以後可以高效呼叫，自己可以試試實現一些例子（試試實現驗證碼識別等等，從簡單的開始）。
理論和實踐一樣重要，多寫一些代表學習階段的小程式，開源請大家批評。
如何系統性的學習機器視覺
knnay 站在2020年來看，卷積神經網路是機器視覺領域不可或缺的方法。卷積神經網路的較新變體，包括深度殘差網路 深度殘差收縮網路，建議學習一下。深度殘差網路 殘差收縮網路 1 2 是一種整合了自適應軟閾值化的殘差網路，更適合強噪 高冗餘資料。適合含噪資料的 深度殘差收縮網路 做機器視覺的銷售的話...
機器視覺應該先看什麼書？
大鵬諮道 1.Multiple View Geometry in Computer Vision 覺得是最好的 2.E.Trucco and A.Verri,Introductory Techniques for 3 D Computer Vision,Prentice Hall,Upper Sad...
機器視覺需要學習哪些數學知識？
機器視覺MV和計算機視覺CV是有區別的，機器視覺面向工業應用獲得影象中目標的幾何資訊 尺寸 面積 有無 位姿等 機器視覺的工程應用並不需要太多數學知識。而計算機視覺需要通過模式識別和概率統計等基礎。機器視覺中，僅僅是影象的儲存與矩陣相似而已。由於他的主要目標是獲得幾何資訊，更多的是畫素數的加減乘，以...