计算机视觉学习路线 | 26 年最新零基础到精通一条龙（万人收藏⭐️） - 编程导航

编程导航学习网站：学编程、做项目、拿 Offer！

企业高频面试题库：开始刷题，面试遇原题！

精选简历模板大全：1 分钟搞定简历！

AI 资源导航网站：获取最新 AI 黑科技！

1 对 1 模拟面试：随时随地提升面试能力

计算机视觉求职高频面试题：开始刷题

⭐️ 推荐先观看鱼皮的保姆级 AI 指南视频，快速掌握程序员必知必会的 AI 概念、AI 工具、AI 开发技术、AI 编程技巧。

开篇介绍

计算机视觉（Computer Vision，CV）是人工智能的重要分支，让计算机能够 "看懂" 图像和视频，从而实现图像识别、目标检测、图像分割、人脸识别等任务。计算机视觉的目标是让机器具备人类的视觉能力，理解和分析视觉世界。

计算机视觉的发展历程可以追溯到 20 世纪 60 年代，但真正的突破是在深度学习时代。2012 年，AlexNet 在 ImageNet 竞赛中取得压倒性胜利，标志着深度学习在计算机视觉领域的崛起。随后，VGG、ResNet、YOLO、Mask R-CNN 等经典模型不断涌现，计算机视觉技术突飞猛进。

为什么要学计算机视觉？

计算机视觉是 AI 应用最广泛的领域之一，从人脸识别到自动驾驶，从医疗影像分析到安防监控，从美颜相机到 AR 滤镜，计算机视觉无处不在。而且计算机视觉工程师的薪资非常高，一线城市的 CV 算法工程师平均薪资在 30-60K，资深专家可以达到 60-150K+。

计算机视觉主要包括几大任务：图像分类（识别图像中的物体类别）、目标检测（定位和识别图像中的多个物体）、图像分割（对图像进行像素级分类）、人脸识别、姿态估计、图像生成等。经典的 CV 模型包括 VGG、ResNet、YOLO、Faster R-CNN、U-Net、GAN 等。

在 AI 大模型时代，计算机视觉也在快速发展。视觉大模型（如 CLIP、SAM）的出现，让计算机视觉和自然语言处理相结合，实现了零样本学习、开放词表检测等新能力。掌握计算机视觉，不仅能让你开发传统的 CV 应用，还能参加视觉大模型的研究和应用。

学习前提

学习计算机视觉建议先掌握：

机器学习基础：理解监督学习、模型评估等基本概念。关于机器学习的详细学习，可以查看机器学习学习路线
深度学习基础：理解神经网络、CNN 等。关于深度学习的详细学习，可以查看深度学习学习路线
Python 编程：熟练使用 NumPy、OpenCV 等库。关于 Python 的详细学习，可以查看 Python 学习路线

学习路线图

就业方向

学完计算机视觉后，可以从事以下岗位：

计算机视觉算法工程师：开发和优化 CV 算法
图像处理工程师：处理和分析图像数据
自动驾驶算法工程师：开发自动驾驶的视觉系统
人脸识别算法工程师：开发人脸识别系统
AI 应用开发工程师：将 CV 技术集成到产品中

整体学习建议

1）先学深度学习：计算机视觉主要基于深度学习，特别是 CNN。建议先学好深度学习基础，再学习计算机视觉。

2）理论结合实践：计算机视觉既要理解算法原理，也要会动手实现。建议先用现成的库（如 OpenCV、PyTorch）快速实现，再深入理解原理。

3）关注经典论文：计算机视觉发展很快，经典论文是学习的重要资源。建议读一些经典论文（如 ResNet、YOLO、Mask R-CNN），理解算法的创新点。

4）多做实战项目：计算机视觉的学习一定要结合实际项目。可以从图像分类开始，逐步学习目标检测、图像分割等任务。

5）善用 AI 工具：学习计算机视觉时可以用 AI 工具辅助理解概念、调试代码。可以多看看 AI 资源大全中的工具。

阶段 1：图像处理基础（15-20 天，仅供参考）

学习目标

掌握图像处理的基础知识，能够使用 OpenCV 进行基本的图像操作。

知识点

图像基础【必学】：

图像的表示（像素、RGB、灰度图）
图像的读取和显示
图像的基本操作（裁剪、缩放、旋转）
色彩空间转换（RGB、HSV、灰度）

图像处理【必学】：

图像滤波（高斯滤波、中值滤波）
边缘检测（Canny、Sobel）
形态学操作（腐蚀、膨胀）
图像增强

特征提取【建议学】：

SIFT、SURF 特征【可不学】
HOG 特征【可不学】

OpenCV 库【必学】：

OpenCV 的安装和使用
常用函数

学习建议

1）OpenCV 是计算机视觉的基础库，提供了大量图像处理函数。虽然深度学习时代很多任务不需要手动特征提取，但理解传统图像处理方法仍然重要。

2）图像增强技术（如亮度调整、对比度调整、翻转、旋转等）在数据增强中非常常用，可以提高模型的泛化能力。

3）这个阶段主要是打基础，不要花太多时间在传统图像处理方法上。重点是熟悉 OpenCV 的使用，理解图像的基本操作。

学习资源

⭐ OpenCV 官方文档：最权威的学习资料

阶段 2：卷积神经网络（CNN）（20-25 天，仅供参考）

卷积神经网络（CNN）是计算机视觉的基础算法，通过卷积层提取图像特征，是图像处理的核心技术。

学习目标

深入理解卷积神经网络，掌握 CNN 的各种组件和架构。

知识点

CNN 基础【必学】：

卷积层的原理
池化层的作用
卷积的参数（卷积核大小、步长、填充）
感受野

经典 CNN 架构【必学】：

LeNet
AlexNet
VGG