2019年國家對人工智能加大了支持力度，媒體對人工智能的資訊報道也越來越多，剛剛結(jié)束的人工智能大會也展示了國內(nèi)現(xiàn)在的人工智能的發(fā)展?fàn)顩r，“雙馬”對話中也處處透露出對人工智能的美好展望。

人工智能一個很大的應(yīng)用方向是CV（計算機(jī)視覺）。CV在如制造業(yè)、檢驗、文檔分析、醫(yī)療診斷和軍事等領(lǐng)域中各種智能系統(tǒng)中不可分割。具體的像無人駕駛、人臉識別、VR/AR等，未來在醫(yī)療領(lǐng)域等還將有更大的發(fā)展。

那么成為一名計算機(jī)視覺工程師應(yīng)該具備哪些能力呢？

首先數(shù)學(xué)要學(xué)好。大學(xué)里開過的高數(shù)、線性代數(shù)、概率統(tǒng)計等課都十分的重要，理解數(shù)學(xué)知識體系，打下牢固的數(shù)學(xué)基礎(chǔ)，對于學(xué)習(xí)計算機(jī)視覺來說肯定是非常加分的。

其次還需要一定的編程能力，在計算機(jī)視覺中，Python和C++是比較合適的選擇。像Python學(xué)習(xí)基礎(chǔ)語法，學(xué)到他的面向?qū)ο缶突旧夏軌驖M足計算機(jī)視覺的要求了。當(dāng)然Python的語句、函數(shù)、文件操作還是要熟練，掌握面向?qū)ο髷?shù)據(jù)編程技術(shù)，為后期的AI學(xué)習(xí)打下扎實的編程能力。

有了很好的數(shù)學(xué)和編程基礎(chǔ)后就要進(jìn)行深度學(xué)習(xí)的部分了。

深度學(xué)習(xí)中有MLP模型，其中包含的內(nèi)容有機(jī)器學(xué)習(xí)分類，神經(jīng)網(wǎng)絡(luò)簡介，感知機(jī)模型、多層神經(jīng)網(wǎng)絡(luò)，TensorFlow入門等，最終的學(xué)習(xí)目標(biāo)是能夠理解多層感知機(jī)的運(yùn)行過程并且能夠搭建多層感知機(jī)模型。

然后就是CNN卷積神經(jīng)網(wǎng)絡(luò)，它是深度學(xué)習(xí)的代表算法之一。在這一部分的學(xué)習(xí)中需要掌握如何使用CNN網(wǎng)絡(luò)處理空間問題，如圖片、視頻等數(shù)據(jù)，理解卷積、池化，以及反卷積、反池化的過程和原理，并且能夠搭建相關(guān)的卷積網(wǎng)絡(luò)模型。

網(wǎng)絡(luò)設(shè)計也在學(xué)習(xí)的范圍內(nèi)，掌握網(wǎng)絡(luò)設(shè)計技巧，學(xué)會如何設(shè)計出性能更好更好，速度更快的卷積神經(jīng)網(wǎng)絡(luò)。還有模型評估，掌握測試網(wǎng)絡(luò)性能的標(biāo)準(zhǔn)。

神經(jīng)網(wǎng)絡(luò)還有RNN循環(huán)神經(jīng)網(wǎng)絡(luò)，GAN生成式對抗神經(jīng)網(wǎng)絡(luò)。掌握到如何使用RNN網(wǎng)絡(luò)處理時間序列問題，比如智能應(yīng)答，智能翻譯等，理解循環(huán)神經(jīng)網(wǎng)絡(luò)RNN和LSTM、GRU的運(yùn)行過程和原理一，能夠搭建相關(guān)的循環(huán)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練和優(yōu)化。

讓神經(jīng)網(wǎng)絡(luò)具備創(chuàng)造能力，理解生成式對抗神經(jīng)網(wǎng)絡(luò)和其變種網(wǎng)絡(luò)的原理，并能夠搭建變分自編碼的網(wǎng)絡(luò)模型訓(xùn)練和優(yōu)化，可實現(xiàn)圖像生成，語音生成等。

發(fā)布于 2019-09-05

總結(jié)

以上是生活随笔為你收集整理的成为一名CV（计算机视觉）工程师，你需要具备哪些能力？[通俗易懂]的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。