转发一下前辈的CV领域经验，写得很好很深刻，很适合我这种小白，很值得借鉴，原文出处：
https://blog.csdn.net/cl510/article/details/54862867
ID：ImgeShow
已经在一家创业公司实习了差不多7个月（2016.6-2017.2），见证了一个初创公司的成长与发展。对个人的成长并不是很满意，但值得肯定的是，我已经入了这个坑。
实习期间发现了自己对cv领域很多短板，几乎是0基础吧。发现了自身存在诸多问题，准备朝这两个方向努力吧：
1.提高工程实现与编程能力
问题：这一点真的特别特别重要！体会很深刻！！！看别人的论文或者自己思考有一些改进的方案，但落实到实现的过程发现基本功不扎实。写一个简单的函数有时候居然花了一天。很多C++已有的基础函数不熟悉。
目标：1. 系统快速学习C++知识，对重要的知识加强训练，熟练使用C++的常用函数。
2. 温故C语言，对指针，结构体深刻理解。
3. 学习与熟悉常见数据结构与算法，熟练掌握经典算法。
4. python的入门学习。
途径：1，2, 3的目标都可以通过看书与编程相结合。编程的实现主要通过刷leetcode题库，充分高效利用题库。多思考，多总结。争取多思考给出多个解法，并进行比较。举一反三，记知识点总结笔记。
2.深刻理解CV基础知识
问题：这个也很重要！这个难度更大，是一个长期的目标。目前主要聚焦计算机视觉的基础知识，多学习多积累。争取不做门外汉。对于有难度复杂的图像技术，争取感性直观有些认识，暂时放弃公式的推导。要关键学会如何使用（如opencv已有的函数），对于论文的算法，能充分理解实现过程，可以忽略推导过程，能复现别人的算法。
目标：1. 深刻理解图像特征提取技术（LBP/HARR/HOG/SIFT）的具体实现过程及涉及到图像基础知识，深刻理解不仅知其然，而且要知其所以然。
2. 掌握和理解经典的机器学习算法（如SVM），会在不同场景选用合适的机器学习算法。
3. 入门深度学习的学习，会使用和调节TensorFlow /caffe框架。
4. 关注cv领域的最新进展与论文，对视频跟踪进行重点关注。
途径：1.跟进项目，这点特别重要。视频跟踪是重点，即使自己实现不了，也要与同事一起讨论，能发现问题，观察别人如何思考如何解决的。
2.熟练使用opencv常用函数，会设置调节参数。
3. python机器学习函数的学习与配置。
加油！撸起袖子加油干！