計算機視覺學習基礎為計算機圖形學，一般計算機專業都有開設的學科。

計算機視覺就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給一起檢測的影象

作為一個科學學科，計算機視覺研究相關的理論和技術，檢視建立能夠從影象或者多維資料中獲取“資訊”的人工智慧系統。目前，VR、AR，3D處理等方向，都是計算機視覺的一部分。

需要了解和學習的開源軟體

OpenCV

OpenCV是一個基於BSD許可（開源）發行的跨平臺計算機視覺庫，可以執行在Linux、Windows、Android和Mac OS作業系統上。它輕量級而且高效——由一系列 C 函式和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的介面，實現了影象處理和計算機視覺方面的很多通用演算法(百度百科)，可以根據自己擅長語言選擇相應介面。安裝教程網上可以查詢。

Caffe

Convolutional Architecture for Fast Feature Embedding，它是一個清晰、高效的深度學習框架，它是開源的，核心語言是C++，它支援命令列、Python和Matlab介面，它既可以在CPU上執行也可以在GPU上執行。

Caffe可以應用在視覺、語音識別、機器人、神經科學和天文學。

Caffe提供了一個完整的工具包，用來訓練、測試、微調和部署模型。

Caffe的特點：

模組化：Caffe從一開始就設計得儘可能模組化，允許對新資料格式、網路層和損失函式進行擴充套件。

表示和實現分離：Caffe的模型(model)定義是用Protocol Buffer語言寫進配置檔案的。以任意有向無環圖的形式，Caffe支援網路架構。Caffe會根據網路的需要來正確佔用記憶體。透過一個函式呼叫，實現CPU和GPU之間的切換。 測試覆蓋：在Caffe中，每一個單一的模組都對應一個測試。 Python和Matlab介面：同時提供Python和Matlab介面。 預訓練參考模型：針對視覺專案，Caffe提供了一些參考模型，這些模型僅應用在學術和非商業領域，它們的license不是BSD。TensorFlowTensorFlow是一個基於資料流程式設計（dataflow programming）的符號數學系統，被廣泛應用於各類機器學習（machine learning）演算法的程式設計實現，其前身是谷歌的神經網路演算法庫DistBelief [1] 。Tensorflow擁有多層級結構，可部署於各類伺服器、PC終端和網頁並支援GPU和TPU高效能數值計算，被廣泛應用於谷歌內部的產品開發和各領域的科學研究。TensorFlow由谷歌人工智慧團隊谷歌大腦（Google Brain）開發和維護，擁有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在內的多個專案以及各類應用程式介面（Application Programming Interface, API） 。自2015年11月9日起，TensorFlow依據阿帕奇授權協議（Apache 2.0 open source license）開放原始碼 。

TensorFlow支援多種客戶端語言下的安裝和執行。截至版本1.12.0，繫結完成並支援版本相容執行的語言為C和Python，其它（試驗性）繫結完成的語言為JavaScript、C++、Java、Go和Swift，依然處於開發階段的包括C#、Haskell、Julia、Ruby、Rust和Scala。