眼看著2020年上半年已經所剩無幾了，大家也經歷了一個不一樣的學期，許多即將畢業的同學和準備換工作的朋友也在開始準備秋招了。

為了讓大家在深度學習與計算機視覺方向上掌握更多硬核的項目能力，有三AI秋季劃準備了4個小組，每一個小組有8個方向，供大家深入學習。當你在某一個領域里做到極致，便會成為該領域的專家，從此就真的有了立足之地，下面是4個組的詳細介紹。

模型優化組

模型優化小組的目標，就是掌握深度學習模型設計，調參，優化，部署。需要學習的東西包括8大方向：數據使用，模型使用和調參，模型性能分析，緊湊模型設計，模型剪枝，模型量化，模型蒸餾，自動化模型設計，模型部署。

1 數據使用

數據使用項目包括：

(1) 如何針對自己的任務搜集數據(小型和大型數據集爬蟲)

(2) 如何學會科學地整理數據(數據去重，質量分析等)

(3) 圖像分類，目標檢測等基本任務中的數據增強算法以及實戰

2 模型使用和調參

模型使用和調參項目包括：

(1) 如何針對自己的任務選擇好基準模型架構(主流模型最全解讀)

(2) 如何設計和改進模型

(3) 如何對模型進行訓練調參

3 模型分析

模型分析項目包括：

(1) 如何對模型進行可視化

(2) 如何對模型的計算量和參數量進行分析

4 緊湊模型設計

緊湊模型設計項目包括：

(1) 如何壓縮大模型

(2) 如何設計小模型

(3) 如何保障小模型的性能

5 模型剪枝

模型剪枝項目包括：

(1) 模型剪枝理論學習

(2) Tensorflow等模型剪枝開源框架使用

6 模型量化

模型量化項目包括：

(1) 模型量化理論學習

(2) Tflite/TensorRT等模型量化工具的使用

7 知識蒸餾

知識蒸餾項目包括：

(1) 知識蒸餾基礎理論學習

(2) 遷移學習與知識蒸餾相關工具使用

8 自動化模型設計(NAS)

自動化模型設計項目包括：

(1) NAS基礎理論學習

(2) NAS相關工具使用

另外，后期還會學習模型部署等內容，包括：

(1) ONNX的熟悉和使用

(2) MACE/MNN的熟悉和使用

不過這要求大家先熟練掌握好C++/Java編程，周期較長。

人臉算法組

人臉算法小組需要掌握當前人臉圖像領域的主要算法，學習的東西包括8大方向：人臉檢測，人臉關鍵點檢測，人臉識別，人臉屬性分析，人臉分割，人臉美顏，人臉編輯與風格化，三維人臉重建。

1 人臉檢測

人臉檢測項目包括：

(1) 通用的人臉檢測算法，掌握大姿態，遮擋，小臉檢測技術原理

(2) 人臉檢測項目實踐

2 關鍵點檢測

關鍵點檢測項目包括：

(1) 通用的人臉關鍵點檢測算法，大姿態，有遮擋的關鍵點檢測算法，人臉關鍵點跟蹤算法原理

(2) 人臉關鍵點檢測項目實踐

3 人臉識別

人臉識別項目包括：

(1) 通用的人臉識別算法，遮擋，跨年齡的人臉識別算法原理

(2) 人臉識別項目實踐

4 人臉屬性分析

人臉屬性分析項目包括：

(1) 人臉表情，顏值，年齡等算法原理

(2) 人臉屬性分析項目實踐

5 人臉屬性分割

人臉屬性分割項目包括：

(1) 圖像分割模型設計和優化方法

(2) 人臉屬性分割項目實踐

6 人臉美顏與美妝

人臉美顏項目包括：

(1) 通用美顏技術如磨皮美白，大眼，瘦臉以及化妝算法原理

(2) 人臉美顏項目實踐

7 人臉編輯與風格化

人臉編輯項目包括：

(1) 通用的編輯技術，如表情遷移，姿態遷移，換臉等

(2) 人臉編輯項目實踐

8 人臉重建

人臉重建項目包括：

(1) 傳統優化和深度學習三維人臉重建算法原理

(2) 三維重建項目實踐

圖像質量組

圖像質量小組需要掌握與圖像質量相關的內容，學習的東西包括8大方向：圖像質量評價，圖像構圖分析，圖像降噪，圖像對比度增強，圖像去模糊與超分辨，圖像風格化，圖像深度估計，圖像修復。

1 圖像質量評價

圖像質量評估項目包括：

(1) 圖像質量評估，美學評估算法原理

(2) 圖像質量評估項目實踐

2 圖像構圖

圖像構圖分析項目包括：

(1) 顯著目標檢測

(2) 自動構圖算法原理

(3) 自動構圖項目實踐

3 圖像降噪

圖像降噪項目包括：

(1) 傳統圖像與深度學習圖像降噪算法原理

(2) 圖像降噪項目實踐

4 圖像對比度與色調增強

圖像對比度增強與色調增強算法項目包括：

(1) 傳統圖像與深度學習圖像增強算法原理

(2) 圖像增強項目實踐

5 圖像去模糊與超分辨

圖像超分辨項目包括：

(1) 傳統圖像與深度學習去模糊算法原理

(2) 傳統圖像與深度學習超分辨算法原理

(3) 去模糊項目實踐

(4) 圖像超分辨項目實踐

6 圖像深度估計

圖像深度估計項目包括：

(1) 圖像深度估計算法原理

(2) 圖像深度估計項目實踐

7 圖像風格化

圖像風格化項目包括：

(1) 傳統圖像與深度學習圖像風格化算法原理

(2) 圖像風格化項目實踐

8 圖像修復

圖像修復項目包括：

(1) 傳統圖像與深度學習圖像修復算法原理

(2) 圖像修復項目實踐

GAN小組

包括基礎理論，結構設計，圖像與視頻生成，語音生成，圖像增強，風格遷移，圖像編輯，綜合使用技巧。

1 基礎理論

這一部分主要是學習對GAN的基礎理論的理解以及評估，包括：

(1) GAN的算法原理

(2) GAN的優化

(3) GAN的評估

(4) GAN的理解

2 圖像與視頻生成

這一部分主要是學習圖像生成和視頻生成技術，這是GAN最為人熟知的應用，包括：

(1) 圖像生成技術的基本原理

(2) 視頻生成技術的基本原理

(3) 如何提高生成圖像和視頻的質量

(4) 如何使用GAN提高已有數據的質量

3 風格遷移

這一部分主要是學習GAN在圖像風格化中的應用：

(1) 圖像風格化基礎

(2) 人臉的風格化

(3) 通用圖像的風格化

4 圖像與視頻增強

這一部分主要是學習GAN在圖像增強領域中的應用：

(1) GAN如何用于圖像降噪

(2) GAN如何用于圖像去模糊

(3) GAN如何用于圖像超分辯

(4) GAN如何用于提升圖像的美學質量

5 結構設計

這一部分主要是學習對GAN的各種各樣的結構進行設計和調參改進，包括：

(1) GAN的基本結構

(2) GAN中判別器的改進

(3) GAN中生成器的改進

(4) GAN結構單元的使用(歸一化層，注意力機制等)

6 語音生成

這一部分主要是學習語音的基礎以及GAN在其中的應用，包括：

(1) 語音技術的基礎概念

(2) 語音合成的基本原理

(3) 如何使用GAN合成語音

(4) 如何使用GAN提高語音的質量

7 圖像編輯

這一部分主要是學習GAN在圖像編輯中的應用：

(1) 圖像編輯基礎

(2) 人臉的編輯，包括人臉年齡，表情，姿態，以及換臉等

(3) 通用圖像的編輯，包括深度，紋理等

8 使用技巧

這一部分主要是總結GAN的使用技巧：

(1) 對抗思想在圖像經典任務中的使用，包括圖像分類，圖像分割，目標檢測等

(2) GAN的訓練技巧

(3) 增強學習與GAN的結合

除了以上的內容，還會學習GAN在模型優化，多模態融合等方向相關的技術。

關于學習方式

學習資料非常豐富，包括：

(1) 非常明確的學習路線圖，按照給出的路線和學習資料，推薦的學習時間，可以自主把控學習進度，不限制學習時間，永久有效。

(2) 與項目配套的錄制視頻，代碼和數據，會不斷地在群里增加，不僅限于本文介紹的內容。

(3) 永久有效的相關微信群，在學習過程中可以在微信群內得到及時的技術指導。

(4) 贈送有三AI知識星球+有三AI VIP知識星球社區一年權限。

(5) 其他。學習資料會動態增加，包括微信群內直播，知識星球等，還可以參與線下活動，團隊運營等。

如何報名

(1) 單獨報名每一個小組學費都是999，2020.7.23號后將漲價至1288，學習時間終身有效，聯系有三微信Longlongtogo即可報名。

(2) 已經報名過人臉圖像或者圖像質量小組的情況下，再報名GAN小組，則GAN小組可以享受半價。

以上四個小組是深度學習計算機視覺領域中最重要的四大方向，參考公司職位劃分，希望在競爭非常激烈的求職過程中能夠助你一臂之力。

轉載文章請后臺聯系

侵權必究

往期精選

• 【通知】2020年有三AI-CV春季劃升級，更多項目，更多框架，更高難度
  

• 【雜談】2020年有三AI計算機視覺培養計劃詳解，該不該學&怎么學CV的簡單討論

總結

以上是生活随笔為你收集整理的【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)的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。