1樓：永無止境
基礎的深度學習模型，應該是需要掌握的。
建議從分類任務開始，慢慢拓展到物體檢測這種較難的任務。
一些基礎性的網路結構包括：
相較於傳統全連線的神經網路，卷積神經網路的引數更少，遭遇過擬合的風險更低。
卷積神經網路
相較於普通的卷積神經網路，殘差網路更易於訓練，層數容易更深。
殘差網路
最後，相較於普通的殘差網路，深度殘差收縮網路更適合強噪資料的情況。
（適合強噪資料的）深度殘差收縮網路
2樓：
python是常用深度學習框架(tensorflow, caffe, pytorch)都支援的語言，最好能盡快上手
至於影象處理或者計算機視覺的基礎，個人覺得用到再補好了，並不影響對問題的基本理解
從問題描述裡看，題主的導師應該是想做OCR這方面的工作？從GitHub上就可以找到很多相關的專案，從tesseract到DL方法。在調研過程中找準自己的任務和能用深度學習解決的演算法，實現這一整套流程，從資料到演算法再到應用，這樣就可以算是深度學習入門了吧
idea很多，實踐是王道，祝好運
計算機視覺深度學習方向研究生，以就業為目標，應該從哪些方向提公升自己？
重視理論基礎。剛開始讀研的時候，還是打好基礎為重 到後面的話，肯定是需要做一些專案，但是如果理論基礎不夠牢固的話，在做專案的時候，很難有所突破 儲存的知識不多，沒辦法聯想到好的點子 理論基礎的紮實程度，可以說是個人潛力的乙個衡量吧。專案經驗。現在很多人都是重視專案經驗的，包括很多企業招聘，為了盡快推...
計算機視覺如何規劃學習？
慧橋ICT教育 一 計算機視覺概覽 計算機視覺的定義 計算機視覺的應用 計算機視覺相關學科 計算機視覺與人工智慧的關係 二 數字影象處理基礎 人眼影象的形成 影象的感知和獲取 影象數位化 取樣與解析度 量化 灰度級 數字影象的表示 畫素 灰度圖 彩色影象RGB與HSV 顏色空間 畫素關係 連通域 影...
計算機視覺方向博士如何做好科研？
小林 馬上步入研二的我還是沒有找到更好的研究方向，又想做過場景分類，影象分割，影象還原，但是一做上去就感覺濛濛的，乙個人做是真的很頭疼，馬上就要開題了，到現在還沒有什麼思路。有想過出去實習，但老闆一直不放人，必須要先出成果。求建議！ 伯樂九君 找個優異的計算機視覺專家做導師。國內以譚鐵牛為規範來找。...