发布亮点：
OpenCV Github 项目终于突破50000 stars！新的里程碑~
这次发布的特性包括：
集成更多的GSoC 2020 项目的结果，包括：
- 开发了OpenCV.js DNN 模块，以方便再网页中使用，并提供了相关教程。
图像分类
目标检测
风格迁移
语义分割
姿态估计
-
OpenCV.js WASM SIMD 优化 2.0，网页端调用OpenCV更快了
-
新增文本检测和识别高级API
- SIFT算法优化，主要是16位整型高斯滤波指令加速
DNN模块的改进：
-
改进层/激活函数支持更多模型：1D卷积，1D池化
-
修复Resize, ReduceMean，多输出收集，导入Faster RCNN ONNX模型
-
支持INT32 ONNX张量
- 英特尔®推理引擎后端（OpenVINO™）：
- 增加了对OpenVINO 2021.2版本的支持
- 添加了对HDDL的预览支持
- 改进了DNN CUDA后端支持
G-API模块改进：
新增了对G-API框架和操作的改进，改进了OpenVINO™后端支持，新增了Microsoft®ONNX Runtime后端支持，改进了对Python的绑定
RISC-V port重大改进：
极大完善了universal intrinsics 的RISC-V后端
其他社区贡献更新：
-
objdetect 模块新增弯曲QR码的检测与解码
-
calib3d 模块重中SolvePnp新增SQPnP算法
-
stitching: 新增 WAVE_CORRECT_AUTO、warpPointBackward 并支持similarity masks
-
新增相机色彩校正算法 在OpenCV中使用色彩校正
-
新增Tbmr特征
-
为alphamat模块新增Python封装与文档
-
video模块新增API，且GOTURN和MIL跟踪算法移到主库目录
-
cudastereo新增libSGM实现
-
新增BEBLID局部描述子
想要尝鲜新版OpenCV吗？
在OpenCV中文网公众号后台回复“opencv”，即可收到源码、文档和各个平台SDK下载。
参考地址：
www.opencv.org
在线教程
- 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
- 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
- EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
- 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中，你将会学习到让机器人执行一系列动作所需要的基本算法。
- 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法，包括：概率推算，计划和搜索，本地化，跟踪和控制，全部都是围绕有关机器人设计。
- 机器学习 – 有指导和无指导情况下的基本机器学习算法
- 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
- 斯坦福统计学习
人工智能书籍
- OpenCV（中文版）.(布拉德斯基等)
- OpenCV+3计算机视觉++Python语言实现+第二版
- OpenCV3编程入门 毛星云编著
- 数字图像处理_第三版
- 人工智能:一种现代的方法
- 深度学习面试宝典
- 深度学习之PyTorch物体检测实战
- 吴恩达DeepLearning.ai中文版笔记
- 计算机视觉中的多视图几何
- PyTorch-官方推荐教程-英文版
- 《神经网络与深度学习》(邱锡鹏-20191121)
- …
第一阶段：零基础入门（3-6个月）
新手应首先通过少而精的学习，看到全景图，建立大局观。 通过完成小实验，建立信心，才能避免“从入门到放弃”的尴尬。因此，第一阶段只推荐4本最必要的书（而且这些书到了第二、三阶段也能继续用），入门以后，在后续学习中再“哪里不会补哪里”即可。
第二阶段：基础进阶（3-6个月）
熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。
第三阶段：工作应用
这一阶段你已经不再需要引导，只需要一些推荐书目。如果你从入门时就确认了未来的工作方向，可以在第二阶段就提前阅读相关入门书籍（对应“商业落地五大方向”中的前两本），然后再“哪里不会补哪里”。
