Learning OpenCV de Gary Bradski (Learning OpenCV: Computer Vision con la biblioteca de OpenCV: Gary Bradski, Adrian Kaehler: 9780596516130: Amazon.com: Libros) es un buen libro para principiantes.
Personalmente, no creo que se necesiten habilidades de programación específicas para la visión por computadora y el procesamiento de imágenes. Intente aprender MATLAB (muy útil para crear prototipos de soluciones de visión por computadora antes de la implementación real). Además, obtener algunos conocimientos básicos de Python sería útil en algunos casos. Una vez que se sienta cómodo con la teoría, la implementación debería ser bastante sencilla.
Algunos blogs de visión por computadora que leo (basados en ideas y teorías en lugar de programación):
- ¿Cómo es ser ingeniero para un equipo F-1? ¿Hay algún papel para los ingenieros informáticos: sistemas integrados, controles, diseñadores de circuitos y demás?
- ¿Se sienten cerradas las principales compañías tecnológicas como Facebook y Google a los programadores autodidactas?
- ¿Merecerá la pena tomar el próximo programa de Autoconducción de Ingeniería de Automóviles Nanodegree de Udacity? Después de completar Deep Learning, ¿estaré listo para involucrarme en este campo emergente obteniendo una pasantía en una de las compañías que trabajan en AD?
- ¿Qué campo que no sea CS deben buscar los graduados CS? Por ejemplo, la economía / contabilidad es interesante, pero ¿pueden los graduados de CS aplicar el aprendizaje de transferencia allí?
- Cómo conseguir un trabajo de desarrollo Java
- Blog de Tombone: La filosofía del reconocimiento computacional de objetos, la comprensión de escenas, el aprendizaje automático y las reflexiones sobre el futuro de la visión por computadora por Tomasz Malisiewicz.
- El blog Serious Computer Vision: ideas aleatorias y debates sobre Computer Vision.
- Ceguera informática: el blog de investigación de Roman Shapovalov en la Universidad Estatal de Moscú.