学習ロードマップ
コンピュータビジョン入門
画像処理の基礎から CNN・物体検出・拡散モデルまで、OpenCV と深層学習を往復しながら 5 冊で現場投入できる視覚 AI 力を積む。
![物体・画像認識と時系列データ処理入門 [TensorFlow2/PyTorch対応第2版] NumPy/TensorFlow2（Keras）/PyTorchによる実装ディープラーニング](https://thumbnail.image.rakuten.co.jp/@0_mall/book/cabinet/3546/9784798063546.jpg)
SCROLL TO BEGIN
学習ロードマップ
画像処理の基礎から CNN・物体検出・拡散モデルまで、OpenCV と深層学習を往復しながら 5 冊で現場投入できる視覚 AI 力を積む。
このロードマップが扱うもの
- Python は書けるが、画像を扱うコードには手を出したことがない機械学習初学者 - OpenCV を触ったことはあるが、フィルタリングから先(認識・検出)に進めずにいるエンジニア - 画像認識モデルを業務で扱うようになり、理論と実装を一度棚卸ししたいデータサイエンティスト
このロードマップの全体像
ロードマップ
第 1 章
画像処理と機械学習の橋渡しを一冊で通す入門書。ロードマップの最初で前処理・特徴量・評価指標の語彙を揃える。
OpenCV の DNN モジュール経由で現代的な物体検出・顔認識に触れる実装書。ライブラリの勘所と推論パイプラインを掴む位置付け。
NumPy から TensorFlow2・PyTorch までを段階的に写経し、CNN と時系列処理を両輪で学ぶ中核本。理論と実装の行き来を身体化する。
Transformer の Attention と拡散モデルの逆拡散過程をコードで動かし、Stable Diffusion(CLIP テキストエンコーダ接続)まで自作する。生成系 CV の中核を、ライブラリ依存ではなく仕組みから掴む到達直前段。
拡散モデルや CLIP など最新研究のサーベイ。実装力の次段として、論文ベースの動向を自分の現場テーマに接続するための到達点。
読む順に並べています。まずは1冊目から始めましょう。
画像処理と機械学習の橋渡しを一冊で通す入門書。ロードマップの最初で前処理・特徴量・評価指標の語彙を揃える。
まず読む1冊 Pythonで学ぶ画像認識 機械学習実践シリーズ 見る →