计算机视觉专项 - 详细学习指南¶

⚠️ 时效性说明：本章涉及前沿模型/价格/榜单等信息，可能随版本快速变化；请以论文原文、官方发布页和 API 文档为准。

📚 学习总览¶

本指南为清华大学计算机技术专业专硕及 985 AI 专业本科生量身定制，提供系统性的计算机视觉学习路径。目标是帮助你在 24-34 周（视基础而定）内掌握计算机视觉的核心理论和工程实践能力，为进入字节跳动、腾讯、阿里巴巴、百度、大疆、影石等互联网大厂做好准备。

🎯 学习目标¶

短期目标（ 1-3 个月）¶

• 掌握计算机视觉基础理论和核心算法
• 能够使用 OpenCV 和深度学习框架实现基础视觉任务
• 完成 2-3 个小型实战项目

中期目标（ 3-6 个月）¶

• 深入理解目标检测、图像分割等高级任务
• 能够独立设计和训练视觉模型
• 完成 1-2 个中型实战项目

长期目标（ 6 个月+）¶

• 掌握计算机视觉前沿技术
• 具备解决复杂视觉问题的能力
• 完成 1 个大型实战项目
• 通过大厂面试

📅 详细学习计划¶

第一阶段：基础夯实（第 1-3 周）¶

第 1 周：计算机视觉基础¶

学习内容： - 01-计算机视觉基础.md - 计算机视觉概述（ 2 天） - 应用场景介绍（ 1 天） - 数学基础复习（ 2 天） - 环境搭建与第一个 Demo （ 2 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：阅读教材章节，观看 CS231n 视频 - 实践操作：优先按 README.md 中的官方安装指引搭环境，确认 OpenCV / PyTorch / CUDA 版本匹配后再运行第一个示例 - 习题练习：完成章节练习题

学习目标： - 理解计算机视觉的定义和重要性 - 了解 CV 在各行业的应用 - 掌握必要的数学基础知识 - 成功运行第一个视觉程序

第 2 周：图像处理基础¶

学习内容： - 02-图像处理基础.md - 图像表示与像素操作（ 2 天） - 图像滤波与增强（ 2 天） - 图像变换（ 2 天） - 实战：图像滤镜应用（ 1 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解图像处理的基本原理 - 代码实践：使用 OpenCV 实现各种图像操作 - 项目实战：开发一个图像滤镜应用

学习目标： - 理解数字图像的表示方法 - 掌握图像滤波和增强技术 - 熟练使用 OpenCV 进行图像处理 - 完成图像滤镜项目

第 3 周：特征提取与描述¶

学习内容： - 03-特征提取与描述.md - 边缘检测与角点检测（ 2 天） - 特征描述符（ SIFT 、 SURF 、 ORB ）（ 2 天） - 特征匹配（ 2 天） - 实战：图像拼接（ 1 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解特征提取的数学原理 - 代码实践：实现各种特征检测和匹配算法 - 项目实战：完成图像拼接项目

学习目标： - 理解特征提取的重要性 - 掌握常用特征描述符 - 能够实现图像配准和拼接 - 完成图像拼接项目

第二阶段：深度学习入门（第 4-7 周）¶

第 4 周：传统计算机视觉算法¶

学习内容： - 04-传统计算机视觉算法.md - 边缘检测算法（ Canny 等）（ 1 天） - 图像分割算法（阈值、区域生长）（ 2 天） - 目标识别（ HOG+SVM ）（ 2 天） - 实战：传统方法项目（ 2 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解传统 CV 算法的原理 - 代码实践：从零实现经典算法 - 对比分析：理解传统方法与深度学习的区别

学习目标： - 掌握传统 CV 算法的原理和实现 - 理解传统方法的局限性 - 能够选择合适的方法解决实际问题

第 5 周：卷积神经网络基础¶

学习内容： - 05-卷积神经网络基础.md - CNN 基本原理（ 2 天） - 卷积层、池化层、激活函数（ 2 天） - 反向传播与训练（ 2 天） - 实战：手写 CNN 分类器（ 1 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：深入理解 CNN 的数学原理 - 代码实践：使用 PyTorch 从零实现 CNN - 可视化分析：观察卷积核和特征图

学习目标： - 深入理解 CNN 的工作原理 - 掌握 CNN 的核心组件 - 能够从零实现简单的 CNN - 完成手写数字分类项目

第 6 周：经典 CNN 架构¶

学习内容： - 06-经典 CNN 架构.md - LeNet 、 AlexNet （ 1 天） - VGG 、 GoogLeNet （ 2 天） - ResNet 及其变体（ 2 天） - 实战：使用预训练模型（ 2 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解各种架构的设计思想 - 代码实践：使用 PyTorch 实现经典架构 - 迁移学习：使用预训练模型解决实际问题

学习目标： - 理解经典 CNN 架构的设计原理 - 掌握 ResNet 等现代架构 - 熟练使用预训练模型 - 完成图像分类项目

第 7 周：目标检测¶

学习内容： - 07-目标检测.md - 目标检测概述（ 1 天） - Two-Stage 方法（ R-CNN 系列）（ 2 天） - One-Stage 方法（ YOLO 、 SSD ）（ 2 天） - 实战：目标检测项目（ 2 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解目标检测的任务和挑战 - 代码实践：使用 Detectron2 或 YOLO 实现检测 - 项目实战：完成一个实际检测项目

学习目标： - 理解目标检测的核心概念 - 掌握代表性检测算法的原理 - 能够使用开源框架实现检测 - 完成目标检测项目

第三阶段：进阶技术（第 8-12 周）¶

第 8 周：图像分割¶

学习内容： - 08-图像分割.md - 语义分割概述（ 1 天） - FCN 、 U-Net （ 2 天） - DeepLab 、 PSPNet （ 2 天） - 实例分割（ Mask R-CNN ）（ 2 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解分割任务的挑战 - 代码实践：使用 MMSegmentation 实现分割 - 项目实战：完成医学图像分割项目

学习目标： - 理解语义分割和实例分割的区别 - 掌握代表性分割算法 - 能够实现图像分割应用 - 完成图像分割项目

第 9 周：视频分析与理解¶

学习内容： - 09-视频分析与理解.md - 光流估计（ 2 天） - 目标跟踪（ 2 天） - 动作识别（ 2 天） - 实战：视频分析项目（ 1 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解视频分析的特殊性 - 代码实践：实现光流和跟踪算法 - 项目实战：完成视频分析项目

学习目标： - 理解视频分析的核心技术 - 掌握光流和目标跟踪方法 - 了解动作识别技术 - 完成视频分析项目

第 10 周：三维视觉¶

学习内容： - 10-三维视觉.md - 相机标定（ 2 天） - 立体视觉（ 2 天） - SLAM 基础（ 2 天） - 实战： 3D 重建项目（ 1 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解 3D 视觉的数学基础 - 代码实践：使用 OpenCV 实现 3D 视觉算法 - 项目实战：完成 3D 重建项目

学习目标： - 理解相机成像模型 - 掌握立体视觉和深度估计 - 了解 SLAM 技术 - 完成 3D 视觉项目

第 11 周：生成模型与 GAN¶

学习内容： - 11-生成模型与 GAN.md - GAN 基础原理（ 2 天） - DCGAN 、 StyleGAN （ 2 天） - VAE 、扩散模型（ 2 天） - 实战：图像生成项目（ 1 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解生成模型的思想 - 代码实践：实现 GAN 和 VAE - 项目实战：完成图像生成项目

学习目标： - 理解生成模型的基本原理 - 掌握 GAN 的训练技巧 - 了解扩散模型等新技术 - 完成图像生成项目

第 12 周：视觉 Transformer¶

学习内容： - 12-视觉 Transformer.md - Transformer 在视觉中的应用（ 1 天） - ViT 、 Swin Transformer （ 2 天） - 视觉-语言模型（ 2 天） - 实战： ViT 分类项目（ 2 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解 Transformer 在视觉中的应用 - 代码实践：使用 Hugging Face 实现 ViT - 项目实战：完成 ViT 分类项目

学习目标： - 理解 ViT 的设计思想 - 掌握 Swin Transformer 等改进 - 了解多模态学习 - 完成 ViT 项目

第四阶段：前沿技术（第 13-15 周）¶

第 13 周：多模态学习¶

学习内容： - 13-多模态学习.md - 多模态学习概述（ 1 天） - CLIP 、 BLIP 等模型（ 2 天） - 视觉问答、图像描述（ 2 天） - 实战：多模态项目（ 2 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解多模态学习的挑战 - 代码实践：使用预训练多模态模型 - 项目实战：完成多模态应用

学习目标： - 理解多模态学习的基本概念 - 掌握 CLIP 等代表性模型 - 能够开发多模态应用 - 完成多模态项目

第 14 周：自监督学习¶

学习内容： - 14-自监督学习.md - 自监督学习概述（ 1 天） - SimCLR 、 MoCo （ 2 天） - MAE 、 BEiT （ 2 天） - 实战：自监督预训练（ 2 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解自监督学习的思想 - 代码实践：实现自监督预训练 - 实验对比：比较不同方法的效果

学习目标： - 理解自监督学习的原理 - 掌握常见自监督方法 - 能够进行自监督预训练 - 完成自监督学习实验

第 15 周：模型部署与优化¶

学习内容： - 15-模型部署与优化.md - 模型压缩（剪枝、量化）（ 2 天） - 模型蒸馏（ 2 天） - 部署框架（ ONNX 、 TensorRT ）（ 2 天） - 实战：端到端部署（ 1 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 理论学习：理解模型优化的技术 - 代码实践：实现模型压缩和部署 - 性能测试：评估优化效果

学习目标： - 理解模型优化的各种技术 - 掌握模型压缩和部署方法 - 能够进行端到端部署 - 完成模型部署项目

第五阶段：实战项目（第 16-21 周）¶

第 16-17 周：项目 1-图像分类系统¶

学习内容： - 实战项目/01-CV 实战项目集.md - 项目需求分析（ 2 天） - 数据收集与预处理（ 3 天） - 模型设计与训练（ 4 天） - 模型优化与部署（ 3 天）

学习时间：每天 4-5 小时，总计 48-60 小时

学习方法： - 项目驱动：从需求到部署完整流程 - 迭代优化：不断改进模型性能 - 文档编写：撰写完整的项目文档

学习目标： - 掌握完整的图像分类项目流程 - 熟练使用深度学习框架 - 具备项目开发和部署能力

第 18-19 周：项目 2-目标检测系统¶

学习内容： - 实战项目/01-CV 实战项目集.md - 项目需求分析（ 2 天） - 数据标注与增强（ 3 天） - 模型选择与训练（ 4 天） - 性能优化与部署（ 3 天）

学习时间：每天 4-5 小时，总计 48-60 小时

学习方法： - 项目驱动：完成端到端检测系统 - 算法对比：比较不同检测算法 - 实际应用：解决真实场景问题

学习目标： - 掌握目标检测项目开发流程 - 熟练使用检测框架 - 具备解决实际检测问题的能力

第 20-21 周：项目 3-图像分割系统¶

学习内容： - 实战项目/01-CV 实战项目集.md - 项目需求分析（ 2 天） - 数据准备与预处理（ 3 天） - 模型训练与调优（ 4 天） - 系统集成与部署（ 3 天）

学习时间：每天 4-5 小时，总计 48-60 小时

学习方法： - 项目驱动：完成医学/工业分割项目 - 精度优化：提升分割精度 - 部署优化：优化推理速度

学习目标： - 掌握图像分割项目开发 - 能够处理复杂分割任务 - 具备项目优化和部署能力

第六阶段：面试准备（第 22-24 周）¶

第 22 周：算法题库¶

学习内容： - 面试准备/01-CV 面试题精选 50 题.md - 图像处理算法（ 2 天） - 深度学习算法（ 2 天） - 系统设计基础（ 2 天） - 刷题练习（ 1 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 系统复习：梳理核心算法 - 刷题练习： LeetCode 相关题目 - 总结归纳：形成知识体系

学习目标： - 掌握常见 CV 面试算法题 - 能够快速分析和解决问题 - 形成完整的知识体系

第 23 周：系统设计与项目经验¶

学习内容： - 面试准备/01-CV 面试题精选 50 题.md - CV 系统设计（ 2 天） - 项目经验梳理（ 2 天） - 技术难点准备（ 2 天） - 模拟面试（ 1 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - 案例分析：学习经典系统设计 - 项目复盘：深入理解自己的项目 - 模拟练习：进行模拟面试

学习目标： - 掌握 CV 系统设计方法 - 能够清晰阐述项目经验 - 具备解决技术难题的能力

第 24 周：行为面试与综合准备¶

学习内容： - 面试准备/01-CV 面试题精选 50 题.md - 行为面试准备（ 2 天） - 公司研究（ 1 天） - 综合复习（ 2 天） - 模拟面试（ 2 天）

学习时间：每天 3-4 小时，总计 20-25 小时

学习方法： - STAR 法则：准备行为面试故事 - 公司研究：了解目标公司 - 综合复习：全面准备面试

学习目标： - 充分准备行为面试 - 了解目标公司和岗位 - 具备通过大厂面试的能力

📊 学习进度跟踪¶

进度检查点¶

第 3 周末： - [ ] 完成基础理论学习 - [ ] 运行第一个 OpenCV 程序 - [ ] 完成图像滤镜项目

第 7 周末： - [ ] 理解 CNN 核心原理 - [ ] 完成图像分类项目 - [ ] 完成目标检测项目

第 12 周末： - [ ] 掌握分割、视频分析等技术 - [ ] 完成图像分割项目 - [ ] 完成 3D 视觉项目

第 15 周末： - [ ] 了解前沿技术 - [ ] 完成模型部署项目 - [ ] 形成技术知识体系

第 21 周末： - [ ] 完成 3 个完整实战项目 - [ ] 具备独立开发能力 - [ ] 准备好面试

第 24 周末： - [ ] 完成所有面试准备 - [ ] 通过模拟面试 - [ ] 准备好求职

学习记录表¶

建议使用以下表格记录学习进度：

💡 学习方法建议¶

1. 理论学习¶

• 先理解后记忆：不要死记硬背，理解原理更重要
• 画图辅助：用图示帮助理解复杂概念
• 联系实际：将理论与实际应用联系起来

2. 代码实践¶

• 从零实现：关键算法要自己实现一遍
• 阅读源码：学习优秀开源项目的代码
• 调试技巧：掌握调试和问题排查方法

3. 项目开发¶

• 完整流程：从需求到部署完整实践
• 迭代优化：不断改进和优化
• 文档编写：养成良好的文档习惯

4. 面试准备¶

• 系统复习：定期复习核心知识
• 刷题练习： LeetCode 、牛客网等
• 模拟面试：进行多次模拟面试

5. 持续学习¶

• 关注前沿：阅读近期论文、官方 release notes 和仓库 changelog，避免只记某一时点的型号名称
• 参与社区：加入技术社区交流
• 分享输出：写博客、做分享

❓ 常见问题解答¶

Q1: 学习时间不够怎么办¶

A: - 优先学习核心章节（ 01-09 章） - 其他章节可以根据兴趣选择 - 重点掌握 CNN 、目标检测、图像分割 - 利用碎片时间学习

Q2: 没有 GPU 怎么办¶

A: - 使用 Google Colab 免费 GPU - 使用 Kaggle Kernels - 使用学校/实验室资源 - 先学习理论知识，后期再实践

Q3: 数学基础薄弱怎么办¶

A: - 边学边补，在实践中理解 - 推荐《深度学习》第 2-4 章 - 观看 3Blue1Brown 的数学视频 - 多做练习题巩固

Q4: 如何选择深度学习框架¶

A: - PyTorch：研究场景的常见起点，社区活跃，灵活易用 - TensorFlow：工业界常用，部署方便 - 建议：先学 PyTorch ，了解 TensorFlow

Q5: 实战项目太难怎么办¶

A: - 从简单项目开始 - 参考开源项目，理解后再自己实现 - 分阶段完成，逐步增加难度 - 遇到问题及时求助

Q6: 如何准备大厂面试¶

A: - 系统学习面试准备目录 - 多刷 LeetCode 相关题目 - 准备 2-3 个深度项目 - 进行多次模拟面试 - 了解目标公司和岗位

Q7: 学习过程中遇到困难怎么办¶

A: - 查阅官方文档和教程 - 在 Stack Overflow 搜索 - 加入技术社区提问 - 向同学、导师请教 - 不要放弃，持续努力

Q8: 如何平衡学习和求职¶

A: - 制定合理的学习计划 - 优先学习核心知识 - 边学习边准备面试 - 项目经验很重要 - 保持积极心态

🎯 学习成果检验¶

阶段性测试¶

• 第 3 周：基础理论测试
• 第 7 周：深度学习基础测试
• 第 12 周：进阶技术测试
• 第 15 周：综合能力测试
• 第 21 周：项目成果展示
• 第 24 周：模拟面试

能力评估标准¶

• 理论掌握：能够清晰阐述核心概念
• 代码能力：能够独立实现算法
• 项目能力：能够完成完整项目
• 问题解决：能够分析和解决实际问题
• 面试表现：能够通过大厂面试

📚 推荐学习资源¶

在线课程¶

1. CS231n - Stanford （可优先学习）
2. CS4243 - Cornell
3. Deep Learning Specialization - Coursera

书籍¶

1. 《 Computer Vision: Algorithms and Applications 》
2. 《 Deep Learning 》- Ian Goodfellow
3. 《 Learning OpenCV 4 Computer Vision with Python 》

论文¶

1. arXiv cs.CV
2. Papers with Code
3. CVF Open Access

开源项目¶

1. Detectron2
2. MMDetection
3. Ultralytics YOLO（YOLOv8/YOLO11 等近年工程版本）
4. Segment Anything Model

🚀 开始学习¶

现在你已经了解了完整的学习路径，让我们开始计算机视觉的学习之旅吧！

第一步：阅读01-计算机视觉基础.md

记住：学习是一个持续的过程，保持耐心和坚持，比追求短期“速成”更重要。

最后更新日期： 2026-04-03 适用版本：计算机视觉教程 v2026

祝学习顺利，早日实现大厂梦想！ 💪