第一周：关于计算机视觉发展历程阅读Tombone's Computer Vision Blog: From feature descriptors to deep learning 20 years of computer visionhttp://www.computervisionblog.com/2015/01/from-feature-descriptors-to-deep.html
第二周：进行简单小项目获得初步理解用Google Vision API实现人脸检测、面部情绪分析、图片OCR、图片检测（不满18岁可略过）https://cloud.google.com/vision/
第三、四周：进阶项目配置运行py-faster-rcnn测试demo，修改实现用摄像头检测物体https://github.com/rbgirshick/py-faster-rcnn
第五-十五周：系统课程学完Andrew Ng的Machine Learning课程（学员自行注册即可获全部课程信息）https://zh.coursera.org/learn/machine-learning
第十六-二十三周：系统课程学完Convolution Neural Network (CS231n)的视频和课程讲义http://cs231n.stanford.edu
第二十四、二十五周：工业实操阅读Caffe代码，在Cifar10上训练模型，达到state-of-the-art精度 （需要GPU平台，可到Momenta实地培训）http://caffe.berkeleyvision.orghttps://www.cs.toronto.edu/~kriz/cifar.html
第二十六周：技能提升精简3的代码，只保留必要代码放在有github上开源https://github.com
第二十七-三十四周：拓展学习阅读Tombone 2015年后的所有blog，共14篇http://www.computervisionblog.com
第三十五-四十周：拓展学习阅读Andrej Karpathy 2015年后的所有bloghttp://karpathy.github.io| 以上课程内容版权归原作者所有，仅供学术交流使用。