图像识别深度学习研究方向没有导师带该怎么学习？
最近有不少同学通过公众号的焦虑回收站来找到学姐解惑，学姐发现“图像识别深度学习研究方向没有导师带该怎么学习？”这个问题出现的频率是真的高！学姐征求到一位同学的同意就把我们俩的聊天记录放上来了~
以上是部分聊天截图
和这位同学聊完，学姐就想，肯定不止一个同学有这个困惑，所以学姐今天就专门写一篇文章，给大家明确一下方向。这篇文章读完再去读一下：连发10篇SCI，来看AI大佬都是如何读论文的 这篇文章，配套使用效果更佳。
01 理解概念清楚认知
大家研一都开始在考虑今后的路该怎么走是有先见之明的，这样就有更多的试错机会！就像和我聊天的这个同学说要是早三个月来找我聊天可能早就明确了学习路线。所以大家不要害羞大胆的来找学姐。
对图像识别领域深度学习方面知识很模糊的原因是不理解CV深度学习的概念和框架，所以首先要了解概念，概念能帮助你知道你做的事情能为你带来什么。
想要了解概念，就要读论文了，和那位同学的聊天记录里我推荐了几篇论文，我在这里再说一遍：
2018 REPORT(年度报告，非发表论文)YOLOv3:快速通用检测方法YOLOv3: An Incremental lmprovement
ECCV2016SSD:早期单阶网络 SSD:Single Shot MultiBox Detector
CVPR 2017.FPN: 第一个特征融合网络 Feature Pyramid
Networks for Object Detection CCV2017.RetinaNet: 解决类别不均衡问题 RetinaNet Focal Loss for Dense Object Detection
NIPS 2015.Faster R-CNN:第一个端到端网络 Towards Real- Time Object Detection with Region Proposal Networks
CVPR2017, Mask R-CNN: Faster RCNN的进一步改进 Mask R-CNN
CVPR2018.Cascade R-CNN多任务网络模型代表 Delving into High Quality Object Detection
ECCV2018.CornerNet 提出特征融合和关键点的检测 CornerNet Detecting obiects as Paired Keypoints
下载3-5篇论文综述去读，然后做笔记，笔记做好一篇小论文差不多就搞定了，毕业的第一道坎小论文是不是就出来了？
如果你代码能力很强的话，可以尝试复现论文，学姐在学习的过程中也复现过一些代码，如果有需要的话就加学姐微信私聊学姐领取。
02 打造适合自己的学习路径
其实学习路径这个东西自己琢磨规划出来更好，因为各自的研究方向都不太相同，一个学习路径不能达到所有人都能复用，就跟药方一样因人而异。
如果你是图像处理研究方向的，可以参考下面这个学习路径：
03 论文要读视频课程也要看
看书看论文看不下去就换视频看，一些优秀的深度学习课程也是利于我们了解深度学习的。学姐推荐一下我学过的优秀免费课程：
https://space.bilibili.com/365093772/channel/detail?cid=145266
04 时刻谨记目标
有同学看到这里就觉得自己突然清晰了！马上关掉文章去做。
学姐提醒大家埋头苦干的时候记得停下来你做这么多的目的是什么——毕业！找工作！
毕业我们说了搞定大小论文就解决问题了，怎么搞定小论文上面也说过了。
怎么搞定大论文可以从将来的意向工作出发，想要进BAJ，TMD，AI四小龙，那就去看他们的招聘要求，然后根据招聘要求去重点学习相关技能，读相关论文，复现代码，这样的话理论实战经验都有了！论文和项目实战都有了！毕业和工作就都有了！
最后还有一个要说
05 打比赛对找工作来说挺重要的
毕业找工作公司就是看你有没有实习经验，有没有顶会，有没有github项目，有没有代码能力，有没有算法理论基础，打比赛的成绩怎么样，项目匹配度高不高。
我们这群没人带的孩子顶会可以先不用考虑了，github要求也很高，实习经验（搞研究还要找实习顾不过来鸭！）暂不考虑这些。
上面学姐说了通过看目标工作确定自己论文方向，读相关论文做笔记完成小论文。
复现优质论文代码，结合目标工作相关知识发现创新点搞定大论文，锻炼代码能力。
最后就是打比赛！因为打比赛是需要和别人组队的，这样既锻炼了代码能力，又能锻炼团队协作能力，打出成绩之后还能成为找工作的加分项，何乐而不为呢？
看了这篇文章你能够梳理出来自己的学习节奏了吗？如果还有哪个点想不通，就来联系学姐吧！
关注公众号后台点击联系学姐菜单
学姐求个点赞嘻嘻！或者分享给正在迷茫的同学吧！
