我说些建议你参考一下吧
1. 首先要多查看该库的官方文档,文档通常会注明函数和方法的输入参数类型和返回值类型。
2. 如果文档不够明确,可以查看该函数或方法的源码实现,来推断返回值类型。
3. 通过打印输出或判断类型(type())来判断返回结果的类型。
4. 如果返回结果为字典、列表等复杂类型,可以逐层打印输出结果,来查看内部结构。
5. 也可以写一些测试代码,传入不同的参数,来观察返回结果。
6. 如果实在无法确定,可以将返回结果赋值给变量,然后通过变量的属性和方法来推断类型。
7. 最后,如果需要可以给第三方库作者提 issue 或 PR,请求补充类型注释,来改进库的类型提示。
综上,多查看文档、源码,辅以打印输出、测试等方法可以更好地判断 Python 第三方库中函数的返回类型。
1. 通读 CV 领域的综述,先对 CV 领域有一个大致了解,了解常见的任务(图像分类、目标检测,分割,关键点检测,跟踪。等)、方法流派(深度学习等)。
2. 结合导师研究方向,针对性选择某一 CV 方向,学习相关知识点,多看高质量概述性文章。
3. 实现一两个经典网络模型,会对方法原理有更直观的了解。
4. 多读最近 2-3 年内顶会论文,了解前沿方向和思路。
5. 根据自己背景选择合适难度的论文方向,不要急于选最难题目。
6. 记得参考实现并测试现有 SOTA 方法,不要轻易从 0 开始。
7. 多和导师讨论交流,取得进展再延伸研究思路。
8. 保持学习热情,讨论想法,做有创新且可实现的工作。
全面系统学习还需长期努力,现在可先针对论文需求学习。
希望这些建议可以帮助你找到论文方向,稳扎稳打,既可入门又可快速取得结果。计算机视觉非常广阔,需要你从长计议,加油!