机器学习，计算机视觉的学习资源

jopen 9年前

原文 http://www.cnblogs.com/liangliangh/p/4712600.html

机器学习（Machine Learning，简称 ML）和计算机视觉（Computer Vision，简称 CV）是非常令人着迷、非常酷炫、颇具挑战性同时也是涉及面很广的领域。本文整理了机器学习和计算机视觉的相关学习资源，目的是帮助许多和我一样希望深刻理解“智能”背后原理的人，用最为高效的方式学习最为前沿的技术和知识。

wikipedia.org，历史，领域概述，资源链接：

Machine learning ，介绍了ML所处理的问题、常用算法、应用、软件等，右侧列举了细分条目；

List of machine learning concepts ， Category:Machine learning ，列举出了更多ML相关概念和条目；

Computer vision ，同样，介绍了CV所处理的问题、常用方法、应用等，底部列举了细分条目；

List of computer vision topics ， Category:Computer vision ，列举了更多CV相关条目。

大学课程、在线教程：

Stanford 关于ML和CV计算机课程（按推荐排序）： cs229 Machine Learning ， cs229T Statistical Learning Theory ， cs231N Convolutional Neural Networks for Visual Recognition ， cs231A Computer Vision:From 3D Recontruct to Recognition ， cs231B The Cutting Edge of Computer Vision ， cs221 Artificial Intelligence: Principles & Techniques ， cs131 Computer Vision: Foundations and Applications ， cs369L A Theoretical Perspective on Machine Learning ， cs205A Mathematical Methods for Robotics, Vision & Graph ， cs231M Mobile Computer Vision ，这些课程大都可以下载PPT，更多课程请见 Courses | Stanford Computer Science ，Open class room的ML课程 Machine Learning ， Unsupervised Feature Learning and Deep Learning ，Coursera的ML课程： Machine Learning ，以及Stanford在线教程 Deep learning tuorial ；

更多大学课程可以用“ machine learning course ”或“ computer vision course ”为关键字搜索，这里是Google的国内镜像，这样就不需要FanQiang了。

专著、书籍：

ML：

统计学习方法，李航，2012；

Deep Learning: Methods and Applications , Li Deng and Dong Yu, 2014；

Introduction to Machine Learning (3rd ed.) , Ethem Alpaydin, 2014；

Machine Learning: An Algorithmic Perspective (2nd ed.) , Stephen Marsland, 2015；

Deep Learning ，一本在线的书籍；

Neural Networks and Learning Machines (3rd ed.), Simon O. Haykin, 2008；有中文译本：神经网络与机器学习；

Pattern Recognition and Machine Learning , Christopher Bishop, 2006；有中文译本：模式识别与机器学习；

CV：

Concise Computer Vision: An Introduction into Theory and Algorithms , Klette, Reinhard, 2014；

Computer Vision: Algorithms and Applications , Szeliski, Richard, 2011；

Multiple View Geometry in Computer Vision (2nd ed.) , Richard Hartley and Andrew Zisserman, 2004；

An Invitation to 3-D Vision: From Images to Geometric Models , Yi Ma, Stefano Soatto, Jana Kosecka, S. Shankar Sastry, 2004 ；

Robot vision , Berthold K. P. Horn, 1986；有中文译本：机器视觉；

Image Processing, Analysis, and Machine Vision (3rd ed.) , Milan Sonka, Vaclav Hlavac, Roger Boyle, 2007；有中文译本：图像处理、分析与机器视觉；

推荐一个非常好的搜索英文电子书的网站： Library Genesis 。

学术论文：

ML、CV领域的顶级期刊： TPAMI ， IJCV ，顶级学术会议： CVPR ， ICML , ICCV ， NIPS ， ECCV ， ACCV 等；

CVPapers 对CV领域学术论文做了很好的整理；

ImageNet 每年举办的图像识别比赛很能代表CV最高水平；

arXiv.org ，很多最新论文首先发表在这里；

当然还是推荐Google Scholar，这里是一个镜像网站。

学习网站：

deeplearning.net ：一个非常好的机器学习网站，有 dataset 、 software 、 reading list 连接；

VisionBib.Com ：学术大牛整理的CV资源；

CVonline 有一个非常全面的资源链接。

程序、库：

OpenCV ：一个C++视觉库，使用广泛；

Torch , Theano ：两个很强大的支持CUDA显卡加速的Python机器学习库；

Caffe ：很多研究者使用的Deep Learning库；

R语言：一个方便开发机器学习程序的环境；

更多的程序库，这里做了很好的总结。

相关经验