一、計算機視覺定義

二、基礎能力

1. 數學基礎

數學方面的微積分，概率學，統計學，線性代數
統計學，推薦書籍《統計學習方法》-李航·北京航天航空大學，可參看讀書筆記

2. 程式設計基礎

Matlab，Python，C++，最好熟悉其中2種

三、經典課程

1. 教材

《Computer Vision: A Modern Approach》
《Computer Vision: Algorithms and Applications》
《Computer Vision: Models, Learning, and Inference》

2. 模式識別

模式識別（Pattern Recognition），就是通過計算機用數學技術方法來研究模式的自動處理和判讀。我們把環境與客體統稱為“模式”。
計算機視覺很多東西都是基於影象識別的，影象識別就是模式識別的一種。
入門級的教材《模式分類》，相對於《模式識別》這本書來說可能比較難。

四、專業工具

1. OpenCV（開源計算機視覺庫）

它是一個非常強大的學習資料庫，包括了計算機視覺，模式識別，影象處理等許多基本演算法。它免費提供給學術和商業用途，有C++，C，Python和java介面，支援Windows、Linux、Mac OS、iOS和Android。

五、深度學習與卷積神經網路

1. 課程

史丹佛的CS231n課程：深度學習與計算機視覺。
什麼是卷積？卷積就是兩個函式之間的相互關係，然後得出一個新的值，他是在連續空間做積分計算，然後在離散空間內求和的過程。

六、期刊與會議

1. 期刊

計算機視覺的期刊有兩個PAMI和IJCV

2. 會議

頂級的學術會議有 CVPR、ICCV、 ECCV、 BMVC這四個