【杂谈】如何让你的2020年秋招CV项目经历更加硬核,可深入学习有三秋季划4大领域32个方向(2020.7.23号后涨价)

10个opencv的小项目 1.DrowsinessDetector睡意检测 https://github.com/misbah4064/drowsinessDetector 2.ObjectTracking目标跟踪 https://github.com/misbah4064/object_tracking 3.LaneDetection车道线检测 https://github.com/misbah4064/lane_detection 4.FaceLandmarkDetectio... 阅读详情

眼看着2020年上半年已经所剩无几了,大家也经历了一个不一样的学期,许多即将毕业的同学和准备换工作的朋友也在开始准备秋招了。

为了让大家在深度学习与计算机视觉方向上掌握更多硬核的项目能力,有三AI秋季划准备了4个小组,每一个小组有8个方向,供大家深入学习。当你在某一个领域里做到极致,便会成为该领域的专家,从此就真的有了立足之地,下面是4个组的详细介绍。

模型优化组

模型优化小组的目标,就是掌握深度学习模型设计,调参,优化,部署。需要学习的东西包括8大方向:数据使用,模型使用和调参,模型性能分析,紧凑模型设计,模型剪枝,模型量化,模型蒸馏,自动化模型设计,模型部署。

1 数据使用

数据使用项目包括:

(1) 如何针对自己的任务搜集数据(小型和大型数据集爬虫)

(2) 如何学会科学地整理数据(数据去重,质量分析等)

(3) 图像分类,目标检测等基本任务中的数据增强算法以及实战

2 模型使用和调参

模型使用和调参项目包括:

(1) 如何针对自己的任务选择好基准模型架构(主流模型最全解读)

(2) 如何设计和改进模型

(3) 如何对模型进行训练调参

3 模型分析

模型分析项目包括:

(1) 如何对模型进行可视化

(2) 如何对模型的计算量和参数量进行分析

4 紧凑模型设计

紧凑模型设计项目包括:

(1) 如何压缩大模型

(2) 如何设计小模型

(3) 如何保障小模型的性能

5 模型剪枝

模型剪枝项目包括:

(1) 模型剪枝理论学习

(2) Tensorflow等模型剪枝开源框架使用

6 模型量化

模型量化项目包括:

(1) 模型量化理论学习

(2) Tflite/TensorRT等模型量化工具的使用

7 知识蒸馏

知识蒸馏项目包括:

(1) 知识蒸馏基础理论学习

(2) 迁移学习与知识蒸馏相关工具使用

8 自动化模型设计(NAS)

自动化模型设计项目包括:

(1) NAS基础理论学习

(2) NAS相关工具使用

另外,后期还会学习模型部署等内容,包括:

(1) ONNX的熟悉和使用

(2) MACE/MNN的熟悉和使用

不过这要求大家先熟练掌握好C++/Java编程,周期较长。

人脸算法组

人脸算法小组需要掌握当前人脸图像领域的主要算法,学习的东西包括8大方向:人脸检测,人脸关键点检测,人脸识别,人脸属性分析,人脸分割,人脸美颜,人脸编辑与风格化,三维人脸重建。

1 人脸检测

人脸检测项目包括:

(1) 通用的人脸检测算法,掌握大姿态,遮挡,小脸检测技术原理

(2) 人脸检测项目实践

2 关键点检测

关键点检测项目包括:

(1) 通用的人脸关键点检测算法,大姿态,有遮挡的关键点检测算法,人脸关键点跟踪算法原理

(2) 人脸关键点检测项目实践

3 人脸识别

人脸识别项目包括:

(1) 通用的人脸识别算法,遮挡,跨年龄的人脸识别算法原理

(2) 人脸识别项目实践

4 人脸属性分析

人脸属性分析项目包括:

(1) 人脸表情,颜值,年龄等算法原理

(2) 人脸属性分析项目实践

5 人脸属性分割

人脸属性分割项目包括:

(1) 图像分割模型设计和优化方法

(2) 人脸属性分割项目实践

6 人脸美颜与美妆

人脸美颜项目包括:

(1) 通用美颜技术如磨皮美白,大眼,瘦脸以及化妆算法原理

(2) 人脸美颜项目实践

7 人脸编辑与风格化

人脸编辑项目包括:

(1) 通用的编辑技术,如表情迁移,姿态迁移,换脸等

(2) 人脸编辑项目实践

8 人脸重建

人脸重建项目包括:

(1) 传统优化和深度学习三维人脸重建算法原理

(2) 三维重建项目实践

图像质量组

图像质量小组需要掌握与图像质量相关的内容,学习的东西包括8大方向:图像质量评价,图像构图分析,图像降噪,图像对比度增强,图像去模糊与超分辨,图像风格化,图像深度估计,图像修复。

1 图像质量评价

图像质量评估项目包括:

(1) 图像质量评估,美学评估算法原理

(2) 图像质量评估项目实践

2 图像构图

图像构图分析项目包括:

(1) 显著目标检测

(2) 自动构图算法原理

(3) 自动构图项目实践

3 图像降噪

图像降噪项目包括:

(1) 传统图像与深度学习图像降噪算法原理

(2) 图像降噪项目实践

4 图像对比度与色调增强

图像对比度增强与色调增强算法项目包括:

(1) 传统图像与深度学习图像增强算法原理

(2) 图像增强项目实践

5 图像去模糊与超分辨

图像超分辨项目包括:

(1) 传统图像与深度学习去模糊算法原理

(2) 传统图像与深度学习超分辨算法原理

(3) 去模糊项目实践

(4) 图像超分辨项目实践

6 图像深度估计

图像深度估计项目包括:

(1) 图像深度估计算法原理

(2) 图像深度估计项目实践

7 图像风格化

图像风格化项目包括:

(1) 传统图像与深度学习图像风格化算法原理

(2) 图像风格化项目实践

8 图像修复

图像修复项目包括:

(1) 传统图像与深度学习图像修复算法原理

(2) 图像修复项目实践

GAN小组

包括基础理论,结构设计,图像与视频生成,语音生成,图像增强,风格迁移,图像编辑,综合使用技巧。

1 基础理论

这一部分主要是学习对GAN的基础理论的理解以及评估,包括:

(1) GAN的算法原理

(2) GAN的优化

(3) GAN的评估

(4) GAN的理解

2 图像与视频生成

这一部分主要是学习图像生成和视频生成技术,这是GAN最为人熟知的应用,包括:

(1) 图像生成技术的基本原理

(2) 视频生成技术的基本原理

(3) 如何提高生成图像和视频的质量

(4) 如何使用GAN提高已有数据的质量

3 风格迁移

这一部分主要是学习GAN在图像风格化中的应用:

(1) 图像风格化基础

(2) 人脸的风格化

(3) 通用图像的风格化

4 图像与视频增强

这一部分主要是学习GAN在图像增强领域中的应用:

(1) GAN如何用于图像降噪

(2) GAN如何用于图像去模糊

(3) GAN如何用于图像超分辩

(4) GAN如何用于提升图像的美学质量

5 结构设计

这一部分主要是学习对GAN的各种各样的结构进行设计和调参改进,包括:

(1) GAN的基本结构

(2) GAN中判别器的改进

(3) GAN中生成器的改进

(4) GAN结构单元的使用(归一化层,注意力机制等)

6 语音生成

这一部分主要是学习语音的基础以及GAN在其中的应用,包括:

(1) 语音技术的基础概念

(2) 语音合成的基本原理

(3) 如何使用GAN合成语音

(4) 如何使用GAN提高语音的质量

7 图像编辑

这一部分主要是学习GAN在图像编辑中的应用:

(1) 图像编辑基础

(2) 人脸的编辑,包括人脸年龄,表情,姿态,以及换脸等

(3) 通用图像的编辑,包括深度,纹理等

8 使用技巧

这一部分主要是总结GAN的使用技巧:

(1) 对抗思想在图像经典任务中的使用,包括图像分类,图像分割,目标检测等

(2) GAN的训练技巧

(3) 增强学习与GAN的结合

除了以上的内容,还会学习GAN在模型优化,多模态融合等方向相关的技术。

关于学习方式

学习资料非常丰富,包括:

(1) 非常明确的学习路线图,按照给出的路线和学习资料,推荐的学习时间,可以自主把控学习进度,不限制学习时间,永久有效。

(2) 与项目配套的录制视频,代码和数据,会不断地在群里增加,不仅限于本文介绍的内容。

(3) 永久有效的相关微信群,在学习过程中可以在微信群内得到及时的技术指导。

(4) 赠送有三AI知识星球+有三AI VIP知识星球社区一年权限。

(5) 其他。学习资料会动态增加,包括微信群内直播,知识星球等,还可以参与线下活动,团队运营等。

如何报名

(1) 单独报名每一个小组学费都是999,2020.7.23号后将涨价至1288,学习时间终身有效,联系有三微信Longlongtogo即可报名。

(2) 已经报名过人脸图像或者图像质量小组的情况下,再报名GAN小组,则GAN小组可以享受半价。

以上四个小组是深度学习计算机视觉领域中最重要的四大方向,参考公司职位划分,希望在竞争非常激烈的求职过程中能够助你一臂之力。

转载文章请后台联系

侵权必究

往期精选

AI 应用开发 × 算法面试题:业务场景实战 12 题【TopK、LRU、RRF 融合、相似度、限流算法,含手撕代码与底层答案】 本文聚焦AI应用岗算法面试新趋势,剖析12道融合业务场景的高频题:从海量日志中挖掘慢查询(分治+小顶堆)、亿级去重(布隆过滤器)、向量与关键词融合排序(RRF)、语义缓存设计(带租户隔离与TTL的LRU)到限流策略(令牌桶+滑动窗口),强调“场景复述→算法选型→手撕代码→生产落地”四步答题框架。突出考察点已从纯算法转向工程权衡、业务理解与系统设计能力,如误判容忍度、实时性与内存预算的平衡,助力开发者应对2026年真实技术挑战。 阅读详情

相关推荐

基于模糊集的图像增强

基于模糊集的图像增强算法基于模糊集的图像增强算法基于模糊集的图像增强算法

普通段位CV玩家上岸算法岗之路

作者:记忆的迷谷(VIVO AI研究院)写在前面是的,今年的秋招确实是肉眼可见的难度增加:缩招、裁员、毕业生人数爆炸,这些关键字已然成为2023届秋招的代名词。竞争激烈,算法岗入坑的难度更是直线上升。卡第一学历、卡名校、卡重点实验室......这些“基本操作”早已司空见惯。在卷成麻花的2022年,一个没有上述背景、没有名校撑腰的普通科班小硕能入坑中大厂的CV算法岗吗?我的回答是:能,但是很难、很...

weixin_40920183的博客 735

HDMI协议介绍(一)--Overview

HDMI全称(High Definition Multimedia Interface)高清多媒体接口,支持在单线缆上传输全数字高清视频和多声道音频。

SlamDunk的博客 2万+

【通知】如何让你的2020年秋招CV项目经历更加硬核,可深入学习有三秋季划4大领域32个方向...

眼看着2020年上半年已经所剩无几了,大家也经历了一个不一样的学期,许多即将毕业的同学和准备换工作的朋友也在开始准备秋招了。为了让大家在深度学习与计算机视觉方向上掌握更多硬核的项目能力,...

hacker_long的专栏 938

从零开始:如何用STM32和MAX30100打造你的第一台智能心率监测设备

本文详细介绍了如何使用STM32微控制器和MAX30100传感器从零开始构建智能心率监测设备。涵盖硬件选择、电路设计、软件开发到心率算法实现的全过程,特别适合嵌入式开发新手和创客。通过OLED显示和蓝牙串口传输数据,打造低成本、高精度的心率检测仪,为健康监测项目提供实用解决方案。

7z8x2c4v6b9的博客 194

maya中的几个热盒(空格、shift、w键)

maya中许多功能打包放进了不同的热盒中,让我们使用起来更加的便捷,熟练掌握后可以大大提升了建模速度。按下不同按键后鼠标不需要精确点到某个图标,往某个方向滑滑滑就打开了相应功能,非常的炫酷和迅猛。

m0_71983242的博客 1759

cv岗位项目面试

Table of Contents 人脸检测与识别 扩展1:SIFT特征 扩展2:HOG特征 扩展3:SVM原理 扩展4:Adaboost分类器 扩展5:Cascade分类器 面向群体性异常事件检测的视频特征表示研究 复杂交通视频的多目标跟踪 扩展1:SSD 扩展2:匈牙利算法 扩展3:IOU 扩展4:卡尔曼滤波 基于混合卷积神经网络的草图分类 实习经历 深思考:养老...

张家四少 2550

图像去雨:超详细手把手写 pytorch 实现代码(带注释)

占个坑,过几天来写

书山有路,学海无涯! 1万+

cv方向有哪些_如何在申请CV或是PS当中阐释你的科研项目经历

不相关的经历不要大书特书尽量不要出现reviewer不熟悉的专业名词和领域内容,不相关的经历不要大书特书。比如,申请Operations Research,之前做的Bioinfo和Bioengineering就必须概括地写。如果写FtsA蛋白质这段科研经历中大篇幅的提到细菌细胞分化中的多聚态,reviewer看完CV会留下她申错专业的印象。同时,要暗示reviewers不相关经历和申请方向的相关性...

weixin_39979167的博客 505

affymatrix探针转换 | GPL5175探针对应的基因转换

一般情况下,有一些比较成熟的对应平台的注释数据集的R包。但是这个注释平台,我在Bioconductor上找了一圈都没有找到。只能通过最原始也最可靠的方法,从GEO数据集上去下载这部分的注释文件。以下展示全过程。 我要检查的数据平台是:GPL5157。 数据集的注释集链接为:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL5175 这个注释数据集比较难弄的地方在于,它的基因集注释的不太好。没有比较直接的可供提取的genesample的信息;在ge.

weixin_40640700的博客 7128

【YOLO系列】YOLOv8详解:模型结构、损失函数、训练方法及代码实现

YOLOv8是Ultralytics团队2023年推出的高效目标检测框架,在速度与精度平衡、多任务支持和易用性方面实现突破。模型采用改进的CSPDarknet主干网络、C2f模块和SPPF加速结构,结合PAN-FPN特征融合和解耦检测头设计,支持目标检测、实例分割和关键点检测任务。创新性地使用CIoU定位损失、Focal Loss置信度损失和动态样本分配策略,显著提升检测性能。实验表明,YOLOv8较前代模型mAP提升5-10%,在TensorRT加速下可达1000FPS,提供5种尺寸灵活选择,成为实时目标

一碗白开水一 2781

计算机专业如何自己增加项目经验?

来源知乎精选话题,已获得作者授权,详情见阅读全文 现状:最近在找软件开发的实习工作,分别参加了华为,CVTE等面试,在面试过程中,没有项目经验,立马就被面试官表示 没有任何...

Jerry的编程之路 5454

14.建立时间、保持时间以及vivado时序report的参考使用

在设计数字系统时,需要仔细考虑电路元件的选择和布局以及时序设计来满足建立时间和保持时间的要求。建立时间,又称为建立时间窗口或建立期,是指数字信号在触发器的时钟信号前沿到来之前,必须已经稳定存在的时间。在本章节将结婚扫建立时间和保持时间的基本原理,以及如何通过vivado处理建立时间和保持时间。通过使用同步电路,可以更好地控制数据传输的时序并满足建立时间和保持时间的要求。例如,在D触发器中,选择具有适当充电和放电特性的D端口元件可以确保在时钟信号前沿到达前数据已经稳定存在,并在时钟信号前沿到达后保持稳定。

FPGA/MATLAB学习教程/源码/项目合作开发 2989

【算法拾光】队列|在每个树⾏中找最⼤值 + 最后⼀块⽯头的重量

本文总结两道经典算法题:一是通过层序遍历(BFS)逐层找最大值,利用队列分层处理,每层维护最大值;二是用大根堆(优先队列)模拟石头碰撞过程,每次取最大两块石头,差值重新入堆,直至剩余一块或无石。前者适用于树的层次遍历,后者适合动态获取最值场景。核心思想:队列用于分层遍历,堆用于高效取极值。

wuqingyigexiaoba的博客 202

DeepSeek在实时计算与流处理系统中的突破性实践

对于技术决策者而言,现在正是将DeepSeek实时计算技术纳入企业架构蓝图的关键时机,那些能够率先构建实时智能能力的企业,将在数据驱动的商业竞争中赢得决定性优势。DeepSeek通过创新的流处理架构,成功将复杂事件处理(CEP)的延迟降低到亚秒级,同时保证了计算结果的精确性。DeepSeek研发的神经架构搜索(NAS)与知识蒸馏联合优化框架,可在保持模型精度的前提下,将参数量压缩至原始模型的1/100,实现边缘设备的实时AI推理。随着5G和物联网技术的普及,对实时处理能力的需求将呈指数级增长。

Programming Talk 292

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

把 KV Cache 压到 FP4:BitDecoding-FP4 的算法-系统协同设计复盘

长上下文推理卡在KV Cache的显存与带宽上,而现有FP4方案要么精度崩、要么速度废。这篇文章复盘BitDecoding-FP4如何用三个算法补丁加一个系统重构,在B300上把服务吞吐提升2.4–3.0倍,精度几乎不掉。

helloagent的博客 319

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

【算法拾光】链表 哈希表|K个一组翻转链表 + 两数之和

K个一组翻转链表需分段反转,借助哑节点与前驱指针维护连接,避免断链;两数之和利用哈希表实现O(1)查找,空间换时间,高效定位目标组合。前者考察链表指针操作,后者聚焦映射关系构建,均为面试高频题。

wuqingyigexiaoba的博客 341

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

排序算法深度笔记(下):非比较类排序的线性突破与工程边界

排序算法时间复杂度额外空间复杂度稳定性是否基于比较选择排序O(N^2)(O(1))不稳定是冒泡排序O(N^2)(O(1))稳定是插入排序O(N^2)(O(1))稳定是归并排序O(N\log N)(O(N))稳定是快速排序O(N\log N)O(log N)不稳定是堆排序O(N\log N)O(1)不稳定是计数排序(O(N + M))O(M))稳定否基数排序O(N)稳定否桶排序平均O(N) / 最坏O(N^2)

2401_87069538的博客 617

优选算法:分治-归并排序

交易逆序对的总数

Wangshijie1015的博客 154

408 算法 06|堆与 Top-K:最小的 10 个数,到底该用数组还是堆

2022(42) 找 100 万个数里最小的 10 个,官方给了"10 元素有序数组"和"大根堆"两种答案。我把两种都实现并数了比较次数:k=10 时两者几乎打平,k=10000 时堆少 111 倍。另附 2021(42) 计数排序的比较次数与稳定性实测。

m0_56226131的博客 453

算法64,字母异位词分组

代码核心思路是:互为字母异位词的字符串,在对其字符进行排序后,一定会得到相同的字符串。因此,可以将排序后的字符串作为哈希表的键(Key)来进行分组。

sheshibenniaodan的博客 219

408 算法 04|主元素与三元组最小距离:两种“扫描时做决定“的思路

2013(41) 的主元素用摩尔投票一遍选出候选,但真正的考点是"选完必须验票";2020(41) 的三元组最小距离,三指针每次只挪最小的那个,靠的是 D=2×(max−min) 这个恒等式。两套完整 C 代码加真实输出,附官方评分档位表。

m0_56226131的博客 457

牛客周赛165C题(前后缀性质,递推,排序,枚举)

题目大意:给定长度为 `n` 的数组,选择 `k ∈ [1,n]`,将前 `k` 个元素整体翻转,后面的元素不变。要求操作后的整个数组非递减,统计满足条件的 `k` 的数量。题目链接:https://ac.nowcoder.com/acm/contest/141721/C。时间复杂度:O(nlogn)

2501_94316951的博客 175

【MPC 算法】Python 实战:模型预测控制(MPC)算法原理与代码实现

本文介绍模型预测控制(MPC)原理与Python实现。MPC通过滚动优化预测未来状态,结合系统模型、目标函数与约束条件,动态生成最优控制序列。以一阶温度系统为例,使用CVXPY构建凸优化问题,实现加热功率的智能调控。代码包含模型预测、目标函数设计(含温度跟踪与控制平滑惩罚)、输入约束及滚动更新机制。仿真结果表明,MPC能快速稳定温度至目标值60℃,且控制动作平滑合理,体现其在复杂系统中的优越性。

赖德发的博客 70

算法61,判定是否为字符重排

两字符串能互为重排 ⇔。

sheshibenniaodan的博客 227

【前缀和+复合离散化】题解:双色矩形(two)_数据结构_算法优化_预处理_二维前缀和_STL_C++算法竞赛

给定一个 $n \times n$ 的黑白棋盘,初始按 $i+j$ 奇偶染色,经 $k$ 个格子颜色翻转后,求子矩形中黑白格子数差的绝对值最大值。由于 $n$ 可达 $10^9$,但 $k \leq 50$,可离散化关键点。枚举所有由修改点构成的矩形及其四边向外扩展(共 $16$ 种扩展方式),利用二维前缀和快速计算变化量,结合奇偶性判断多出的格子颜色,最终取最大绝对差。时间复杂度为 $O(k^4)$,在 $k \leq 50$ 下可行。

YLCHUP的博客 214
上一篇: 【总结】有三AI大量原创视频和图文资料,你都存下来了吗
下一篇: 【技术综述】基于3DMM的三维人脸重建技术总结
言有三
言有三 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄15年 3636粉丝 976原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

言有三

三人行必有AI

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值