建议时间：每周4－5小时

学习Keras：Keras文档https：／／keras．io／使用Keras构建神经网络https：／／www．analyticsvidhya．com／blog／2016／10／tutorial－optimizing－neural－networks－using－keras－with－image－recognition－case－study／神经网络简介：从零开始的神经网络https：／／www．analyticsvidhya．com／blog／2017／05／neural－network－from－scratch－in－python－and－r／斯坦福大学神经网络简介https：／／youtu．be／d14TUNcbn1k3Blue1Brown的神经网络：https：／／youtu．be／aircAruvnKk项目：识别服装https：／／datahack．analyticsvidhya．com／contest／practice－problem－identify－the－apparels／第4个月 – 了解卷积神经网络（CNN），迁移学习和参加比赛目标：我想将其称为计算机视觉之旅中的“进阶”月份。随着卷积神经网络（CNNs）的引入，学习也更上一层楼，这些cnn是我们最近看到的许多计算机视觉应用的幕后推手，包括目标检测。在你的旅程中，你也应该通过参加比赛来锻炼自己。

建议时间：每周6－7小时

卷积神经网络（CNN）简介：卷积神经网络（CNN）简化https：／／www．analyticsvidhya．com／blog／2017／06／architecture－of－convolutional－neural－networks－simplified－demystified斯坦福大学的卷积神经网络：https：／／youtu．be／bNb2fEVKeEo迁移学习简介：掌握迁移学习https：／／www．analyticsvidhya．com／blog／2017／06／transfer－learning－the－art－of－fine－tuning－a－pre－trained－model斯坦福大学实践中的ConvNets：https：／／youtu．be／dUTzeP＿HTZg项目：识别数字：https：／／datahack．analyticsvidhya．com／contest／practice－problem－identify－the－digits参加比赛：DataHackhttps：／／datahack．analyticsvidhya．com／contest／allKagglehttps：／／www．kaggle．com／competitions第5个月 – 解决对象检测问题目标：对象检测是一种广泛使用的计算机视觉技术（也许是使用最广泛的技术）。这是吸引我使用计算机视觉的原因！这个月就是要熟悉不同的对象检测算法。另外，我强烈建议你撰写到目前为止所学概念的文章。

建议时间：每周6－7小时

解决对象检测问题：目标检测技术的分步介绍https：／／www．analyticsvidhya．com／blog／2018／10／a－step－by－step－introduction－to－the－basic－object－detection－algorithms－part－1实现faster RCNN用于目标检测https：／／www．analyticsvidhya．com／blog／2018／11／implementation－faster－r－cnn－python－object－detection使用YOLO进行物体检测https：／／www．analyticsvidhya．com／blog／2018／12／practical－guide－object－detection－yolo－framewor－python斯坦福大学的物体检测：https：／／youtu．be／nDPWywWRIRoYOLO论文https：／／arxiv．org／pdf／1506．02640．pdfYOLO预训练模型https：／／pjreddie．com／darknet／yolo／项目：数脸挑战https：／／datahack．analyticsvidhya．com／contest／vista－codefest－computer－vision－1COCO物体检测挑战http：／／cocodataset．org／＃download开始撰写文章，与社区互动吧！第6个月 – 了解图像分割和注意力模型目标：六月，你将学习如何解决图像分割问题，同时你还将了解什么是注意力模型（无论在理论上还是在实践上）。在这里，你对计算机视觉的深入了解才真正开始获得回报。