建议时间：每周6－7小时

图像分割简介：图像分割技术的分步介绍https：／／www．analyticsvidhya．com／blog／2019／04／introduction－image－segmentation－techniques－python实现Mask R－CNN进行图像分割https：／／www．analyticsvidhya．com／blog／2019／07／computer－vision－implementing－mask－r－cnn－image－segmentationMask R－CNN论文https：／／arxiv．org／pdf／1703．06870．pdfMask R－CNN GitHub存储库https：／／github．com／matterport／Mask＿RCNN项目：COCO分割挑战http：／／cocodataset．org／＃downloadAttention 模型：Sequence－to－Sequence Modeling with Attentionhttps：／／www．analyticsvidhya．com／blog／2018／03／essentials－of－deep－learning－sequence－to－sequence－modelling－with－attention－part－iSequence－to－Sequence Models by Stanfordhttps：／／nlp．stanford．edu／～johnhew／public／14－seq2seq．pdf第7个月 – 探索深度学习工具目标：这是一个非常有趣的学习月！到目前为止，我们已经涵盖了许多计算机视觉概念，现在是时候动手使用最先进的深度学习框架了！这取决于你自己的选择，但我们建议你现在使用行业中最常见的两种工具——PyTorch和TensorFlow。尝试使用这两种工具中的任何一种来实现你到目前为止所涵盖的所有概念。

建议时间：每周6－7小时

PyTorch：PyTorch教程https：／／pytorch．org／tutorials／PyTorch的初学者友好指南https：／／www．analyticsvidhya．com／blog／2019／09／introduction－to－pytorch－from－scratchPyTorch中文官方教程（可选）http：／／pytorch123．com

TensorFlow：

TensorFlow教程https：／／www．tensorflow．org／tutorialsTensorFlow简介https：／／www．analyticsvidhya．com／blog／2016／10／an－introduction－to－implementing－neural－networks－using－tensorflow第8个月 – 了解NLP和图像字幕的基础目标：这是你专业化的开始。这是将你的深度学习知识与自然语言处理（NLP）概念结合起来来解决图像字幕项目。

建议时间：每周6－7小时

自然语言处理（NLP）的基础知识：斯坦福－词嵌入：https：／／youtu．be／ERibwqs9p38递归神经网络（RNN）简介：https：／／youtu．be／UNmqTiOnRfgRNN教程http：／／www．wildml．com／2015／10／recurrent－neural－networks－tutorial－part－3－backpropagation－through－time－and－vanishing－gradients／了解图像字幕自动图像字幕https：／／cs．stanford．edu／people／karpathy／sfmltalk．pdf使用深度学习的图像字幕https：／／www．analyticsvidhya．com／blog／2018／04／solving－an－image－captioning－task－using－deep－learning项目：COCO字幕挑战赛http：／／cocodataset．org／＃download第9个月 – 熟悉生成对抗网络（GAN）目标：9月，你将了解生成对抗网络（GAN）。自从Ian Goodfellow于2014年正式推出GAN以来，GANs就火爆了起来。目前，GANs的实际应用很多，包括修复、生成图像等。

建议时间：每周6－7小时

了解生成对抗网络（GAN）：Ian Goodfellow的生成对抗网络（GAN）：https：／／youtu．be／HGYYEUSm－0QGAN 论文https：／／arxiv．org／pdf／1406．2661．pdf生成对抗网络的最新进展https：／／ieeexplore．ieee．org／stamp／stamp．jsp？tp＝＆arnumber＝8667290Keras－GANhttps：／／github．com／eriklindernoren／Keras－GAN第10个月 – 视频分析简介目标：视频分析是计算机视觉中一个蓬勃发展的应用。到2020年（及以后），对这项技能的需求只增不减，因此学习如何使用视频数据集的知识是必要的。