计算机视觉

人工智能路线图

目前最流行的深度学习框架都是基于python的，所以python基础很重要。

学习途径：菜鸟编程，B站，网易云课堂等平台；

WHY?

python编程基础

高数

线性代数

概率论

数学知识

https://blog.csdn.net/HG0724/article/details/116290698

像素坐标系

读取图像：cv.imread()

显示图像：cv.imshow()

BGR->Gray(灰度图)BGR->HSV(有些算法会使用)

色彩空间转换

图像的加法

缩放

平移

旋转

仿射变换：是对图像的缩放、旋转、翻转和平移等的组合操作。

用于特征提取，可能不仅对原始输入进行特征提取，还对每一层金字塔进行特征提取，每一层的特征提取可能是不一样的，最后再将每一层的结果总结在一起

图像金字塔

腐蚀

膨胀

开运算与闭运算

顶帽与黑帽

形态学操作

图像的几何变换

图像基础操作

 传统图像算法（opencv）

pytorch(偏学术)

tensorflow（工业界主流框架）

BHWC

子主题

两者的一些区别

保持学习：多看论文（计算机视觉相关的）

深度学习框架

什么是神经网络？

神经网络的工作原理？

全连接网络

卷积网络

循环网络

AE、VAE与GAN

网络结构

梯度下降

函数的方式

网络层的方式

卷积

局部连接

权值共享

多卷积核

池化（下采样）

填充

特点

sigmoid

tanh

softmax

relu

leaky-relu

激活函数

均方误差损失函数（Mean Squared Error Loss，MSE Loss）：适用于回归问题，在预测值和真实值之间计算差距的平方和，

MSE

适用于多分类问题，测量模型输出的概率分布与真实标签分布之间的差异

交叉熵损失函数（Cross-Entropy Loss）

损失函数

理论知识

LeNet-5：是最早被广泛应用的CNN，适用于手写数字识别。

AlexNet：是在ImageNet 大规模视觉识别竞赛（ILSVRC）上大获全胜的CNN，以及在计算机视觉领域中最成功的模型之一。

VGGNet：是在ImageNet 竞赛中获得前三甲的深度CNN模型，拥有更深的网络结构设计，提高了分类准确率。

GoogleNet/InceptionNet：是Google提出的一个模型，其在ImageNet 竞赛上取得了冠军。

ResNet：属于残差神经网络（Residual Neural Network），通过引入“shortcut”和“skip connection”机制来解决深度神经网络训练时的梯度问题，获得了更好的分类性能。

图像分类是将一张图片归类到事先定义好的几个类别中的一种。图像分类在计算机视觉、图像搜索、自动驾驶等领域得到广泛应用。

图像分类

0.7.。。

iou表示两个框重叠的比例，iou越大，表示两个框重叠部分越多，越有可能框的是同一个物体

IOU

NMS

Convert2Square(Numpy实现）

用到的关键技术

iDetection

One stage 目标检测算法不用RP，直接在网络中提取特征来预测物体分类和位置。任务：特征提取->分类/定位回归。常见的one stage目标检测算法有：OverFeat、YOLOv1、YOLOv3、SSD和RetinaNet等。

目标检测是计算机视觉领域中的一个重要问题，旨在自动化地检测出图像或视频中的物体，并给出它们的位置和类别。目标检测可以广泛应用于智能监控、自动驾驶、人脸识别、无人机、机器人等众多领域。

目标检测

常见的语义分割模型有FCN、SegNet、U-Net、DeepLab等。

语义分割是计算机视觉中的一个重要任务，旨在对图像中的每个像素进行分类，将同一类别的像素划分为同一个区域，从而获得像素级别的图像语义分割结果。简单来说就是抠图

语义分割

基础任务

应用

卷积神经网络

深度学习