我最近开始学习深度神经网络，并且正在阅读在线教程。我到处看到使用 CNN 进行图像分类的主题有点模糊。关于学习图像分类后应该学习哪些主题，似乎没有人遵循指南。
如果有人可以指导我学习高级主题并开始从事该领域的研究，我将非常感激。
到目前为止，我讨论的主题是：
我已经开始使用 CNN 学习对象检测，但我有一种感觉，我错过了一些可以加强我的基础的主题。
提前致谢。任何指导表示赞赏。
您会发现缺少博客，因为发布上述要点 库没有非常简单的实现。所以，需要自己弄脏你的手。
我假设，您正在考虑进入计算机视觉领域。
- 对象检测
- 对象分割
- 对象识别
- 使用一些自定义数据尝试以上所有方法。
- 人脸检测/识别
- 获得经典图像处理的知识。您不需要每次都使用 DL。
- 学习 OpenCV
- 视频数据分析
- 关注最新研究论文或 CV 上的商业产品
Jason Brownlee 和 Adrian Roserbrock 在他们的博客上对 CV 提出了建议。
除此之外，我想指出一个非常适合初学者的博客，它帮助我全面了解 ->博客
这涵盖了计算机视觉的基础知识，您可以从中更好地了解如何在图像处理中使用 CNN。
正如你所说，如果你想从研究开始，我会确保不要跳过机器学习的理论和基础数学。知道为某个问题选择什么模型和超参数并能够快速实现这一点在企业环境中非常有用，但研究主要需要对正在发生的事情有深刻的数学理解。
在我看来，Goodfellow 和 Bengio 的《深度学习》一书结构很好，可以让你熟悉深度学习的数学基础。当您了解这一点时，如果您愿意并进行自己的研究，您将能够阅读和理解最先进的论文。我想你可以在网上免费找到这本书。
至少根据Andrew Ng CNN 教学大纲，你做得很好。
在图像分类之后研究对象检测是很自然的。
也许你想做的是学习迁移学习，它是深度学习最重要的思想之一。您可能还想关注神经网络训练的细节：
为此，我推荐fast.ai深度学习课程。
你也可以从学习 pytorch、keras 和 fast.ai 库中受益，因为使用这些工具与理论一样重要。