1️⃣ 先从传统图像处理开始，图像处理基础要打牢固。再去探索深度学习。传统图像处理的话可以看冈萨雷斯的数字图像处理，毛星云写的opencv3编程入门，装一个vs，跑一跑opencv，把流程熟悉起来。最好看一看一些经典的算法是怎么构成的，不要只调一调包，调一调参数。玩图像的最后都逃不开deep，深度学习神经网络从15年火到现在，但其实也只是一种提取特征的方式，是一种工具，不要神化他（但有时候是真的香）。

2️⃣ 一定要等传统图像处理基础打牢后，再探索神经网络。（要有图像领域的概念，再去魔改模型）神经网络打基础可以从斯坦福网课cs231N看起，装一个pycharm，每天听课跟着老师敲一敲python，等听完这个课，神经网络你就大概知道是干啥的了。再开始阅读论文。不要只做调参侠，多总结多思考。

3️⃣ 感觉cv这个行业还有两个硬性指标，一个是英语，一个是编程。很多前沿论文都是英文原文，你要第一时间follow的话，没有别人的解析，只能自己啃，好多经典论文，虽然论坛有很多解读，但都是别人咀嚼过的，还是原著最接近真实意思。所以能读还是要读原文。比如三大会的论文cvpr iccv eccv编程也是重中之重。最起码C➕➕和python你得精通一个吧，另一个还得熟悉吧。不然就算你有好的点子你也实现不了啊（这个行业知识更新特别快，等有一个极佳的idea，码了一周的代码，别人估计相同的idea论文都快写完了）。记得曾经老师说，我们当时都是手写sift代码，现在到了我们，用opencv就是一句话。但是掌握不了精髓，掌握不了思想，就沉淀不下来知识。