建議時(shí)間：每周6－7小時(shí)

圖像分割簡(jiǎn)介：圖像分割技術(shù)的分步介紹https：／／www．a(chǎn)nalyticsvidhya．com／blog／2019／04／introduction－image－segmentation－techniques－python實(shí)現(xiàn)Mask R－CNN進(jìn)行圖像分割https：／／www．a(chǎn)nalyticsvidhya．com／blog／2019／07／computer－vision－implementing－mask－r－cnn－image－segmentationMask R－CNN論文https：／／arxiv．org／pdf／1703．06870．pdfMask R－CNN GitHub存儲(chǔ)庫(kù)https：／／github．com／matterport／Mask＿RCNN項(xiàng)目：COCO分割挑戰(zhàn)http：／／cocodataset．org／＃downloadAttention 模型：Sequence－to－Sequence Modeling with Attentionhttps：／／www．a(chǎn)nalyticsvidhya．com／blog／2018／03／essentials－of－deep－learning－sequence－to－sequence－modelling－with－attention－part－iSequence－to－Sequence Models by Stanfordhttps：／／nlp．stanford．edu／～johnhew／public／14－seq2seq．pdf第7個(gè)月 – 探索深度學(xué)習(xí)工具目標(biāo)：這是一個(gè)非常有趣的學(xué)習(xí)月！到目前為止，我們已經(jīng)涵蓋了許多計(jì)算機(jī)視覺(jué)概念，現(xiàn)在是時(shí)候動(dòng)手使用最先進(jìn)的深度學(xué)習(xí)框架了！這取決于你自己的選擇，但我們建議你現(xiàn)在使用行業(yè)中最常見(jiàn)的兩種工具——PyTorch和TensorFlow。嘗試使用這兩種工具中的任何一種來(lái)實(shí)現(xiàn)你到目前為止所涵蓋的所有概念。

建議時(shí)間：每周6－7小時(shí)

PyTorch：PyTorch教程https：／／pytorch．org／tutorials／PyTorch的初學(xué)者友好指南https：／／www．a(chǎn)nalyticsvidhya．com／blog／2019／09／introduction－to－pytorch－from－scratchPyTorch中文官方教程（可選）http：／／pytorch123．com

TensorFlow：

TensorFlow教程https：／／www．tensorflow．org／tutorialsTensorFlow簡(jiǎn)介https：／／www．a(chǎn)nalyticsvidhya．com／blog／2016／10／an－introduction－to－implementing－neural－networks－using－tensorflow第8個(gè)月 – 了解NLP和圖像字幕的基礎(chǔ)目標(biāo)：這是你專(zhuān)業(yè)化的開(kāi)始。這是將你的深度學(xué)習(xí)知識(shí)與自然語(yǔ)言處理（NLP）概念結(jié)合起來(lái)來(lái)解決圖像字幕項(xiàng)目。

建議時(shí)間：每周6－7小時(shí)

自然語(yǔ)言處理（NLP）的基礎(chǔ)知識(shí)：斯坦福－詞嵌入：https：／／youtu．be／ERibwqs9p38遞歸神經(jīng)網(wǎng)絡(luò)（RNN）簡(jiǎn)介：https：／／youtu．be／UNmqTiOnRfgRNN教程http：／／www．wildml．com／2015／10／recurrent－neural－networks－tutorial－part－3－backpropagation－through－time－and－vanishing－gradients／了解圖像字幕自動(dòng)圖像字幕https：／／cs．stanford．edu／people／karpathy／sfmltalk．pdf使用深度學(xué)習(xí)的圖像字幕https：／／www．a(chǎn)nalyticsvidhya．com／blog／2018／04／solving－an－image－captioning－task－using－deep－learning項(xiàng)目：COCO字幕挑戰(zhàn)賽http：／／cocodataset．org／＃download第9個(gè)月 – 熟悉生成對(duì)抗網(wǎng)絡(luò)（GAN）目標(biāo)：9月，你將了解生成對(duì)抗網(wǎng)絡(luò)（GAN）。自從Ian Goodfellow于2014年正式推出GAN以來(lái)，GANs就火爆了起來(lái)。目前，GANs的實(shí)際應(yīng)用很多，包括修復(fù)、生成圖像等。

建議時(shí)間：每周6－7小時(shí)

了解生成對(duì)抗網(wǎng)絡(luò)（GAN）：Ian Goodfellow的生成對(duì)抗網(wǎng)絡(luò)（GAN）：https：／／youtu．be／HGYYEUSm－0QGAN 論文https：／／arxiv．org／pdf／1406．2661．pdf生成對(duì)抗網(wǎng)絡(luò)的最新進(jìn)展https：／／ieeexplore．ieee．org／stamp／stamp．jsp？tp＝＆arnumber＝8667290Keras－GANhttps：／／github．com／eriklindernoren／Keras－GAN第10個(gè)月 – 視頻分析簡(jiǎn)介目標(biāo)：視頻分析是計(jì)算機(jī)視覺(jué)中一個(gè)蓬勃發(fā)展的應(yīng)用。到2020年（及以后），對(duì)這項(xiàng)技能的需求只增不減，因此學(xué)習(xí)如何使用視頻數(shù)據(jù)集的知識(shí)是必要的。