建议时间：每周5－6小时
视频分析简介：计算视频中演员的放映时间https：／／www．analyticsvidhya．com／blog／2018／09／deep－learning－video－classification－python建立视频分类模型https：／／www．analyticsvidhya．com／blog／2019／09／step－by－step－deep－learning－tutorial－video－classification－python通过视频进行人脸检测https：／／www．analyticsvidhya．com／blog／2018／12／introduction－face－detection－video－deep－learning－python第11个月和第12个月 – 解决项目并参加竞赛目标：最后两个月都是关于参加多个项目和竞赛来获得实践经验的。到目前为止，我们除了学习概念外，还涵盖了多个项目——现在是时候在真实的数据集上检验你的学习成果了。
建议时间：每周5－6小时
数字识别器https：／／www．kaggle．com／c／digit－recognizerImageNet对象定位挑战https：／／www．kaggle．com／c／imagenet－object－localization－challenge年龄检测https：／／datahack．analyticsvidhya．com／contest／practice－problem－age－detection空中仙人掌鉴定https：／／www．kaggle．com／c／aerial－cactus－identification超声神经分割https：／／www．kaggle．com／c／ultrasound－nerve－segmentation对抗性攻击防御https：／／www．kaggle．com／c／nips－2017－defense－against－adversarial－attack／overview信息图– 2020年计算机视觉学习之路学习新事物时跟踪进度是结构化学习过程的关键。为了方便在深入研究领域时勾选所有事项。还有什么比一个有插图的清单更好的呢？它逐月列出了计算机视觉学习的路径，请看下图：
参考链接：https：／／www．analyticsvidhya．com／blog／2020／01／computer－vision－learning－path－2020／
