CV其实是一个非常大的方向，我们平常知道最多的图像识别属于CV，SLAM属于CV，AR/VR也属于CV，以及……这些方向虽然有交集，但还是有很多不同的。如果你的方向属于第一种，在保证机器学习(尤其是深度学习)基本算法原理了解清楚的同时（理论学习推荐Ian Goodfellow的那本《Deep Learning Book》），保证Python coding能力跟得上(DL framework推荐TensorFlow或PyTorch，最高票说的C++其实现在的research用的不是很多，毕竟早就不是需要亲自手撕CUDA的年代了，而且不适合idea的快速实现，学习成本也高)。然后，更重要的是「追踪你研究领域的最新paper」，打个比方，image classification/object detection虽说都是在折腾CNN。但是你要从别人的paper里面知道为什么要这样设计网络结构，从AlexNet-VGG-GoogleNet-ResNet-DenseNet，RCNN-SPP-Fast RCNN-Faster RCNN-SSD-YOLO；甚至最新的GANs, DRL...看看别人究竟在解决什么问题，还存在哪些可以改(shuā)进(bǎng)的地方？Deep Learning其实是有很多tricks的~arXiv上每周都有值得看的新东西出来，保持paper阅读量，多实践才是真理~
联系我时，请说是在东莞机械网看到的，谢谢！