要掌握计算机视觉，需要学习和掌握以下几个方面的知识和技能：
基础数学与模型：
包括线性代数、微积分、概率统计等，这些是理解和设计计算机视觉算法的基础。
图像处理：
涉及图像的获取、预处理、增强、滤波、边缘检测、形态学操作、特征提取和描述等。
机器学习基础：
包括监督学习、无监督学习和强化学习等基本概念，以及各类学习算法。
深度学习：
掌握用于计算机视觉的深度学习模型，如CNN（卷积神经网络）、Transformer等，以及相关的模型如Alexnet、Googlenet、Resnet、Unet等。
特征工程：
学习如何提取和选择合适的特征，以便用于计算机视觉任务。
目标检测与分割：
掌握如何使用各种算法进行目标检测和图像分割，例如R-CNN、YOLO、Mask R-CNN等。
模型评估与优化：
了解如何评估模型性能并进行优化，以提高准确度和效率。
编程技能：
熟练掌握至少一种编程语言，如C/C++、Python，并能够使用相关的库和框架，如OpenCV、TensorFlow、PyTorch等。
系统设计与工程：
了解如何设计计算机视觉系统，包括系统工程方案层的设计，如WEB图像结构化、离线SDK图像结构化、视频关键帧获取等。
领域知识：
熟悉计算机视觉在不同领域的应用，如人脸识别、车辆检测、物体跟踪、场景理解等。
实践经验：
通过实际项目和编程练习，积累实践经验，以便更好地理解和应用所学知识。
建议从基础数学和编程技能开始学习，逐步深入到图像处理、机器学习和深度学习等核心领域。同时，通过参与实际项目和不断实践，来巩固和提高自己的技能。