熬了几个大夜,学完一套 "海外博士" 总结的「卷积神经网络、目标检测、OpenCV」笔记!
共 1731字,需浏览 4分钟
·
2021-09-14 20:27
工作需要
因工作需要,年初花了4个月左右时间学习了机器学习、神经网络相关的知识,工作日每天大概学习4-6个小时,周末每天大概10个小时,工作中的需求应对也得心应手了。
想快速入门的话,从自己的经验看,可以先不看高等数学和线性代数,因为机器学习和深度学习中涉及的相关知识并不多。
视觉的知识部分建议分成两部分学习,第一部分传统图像处理,第二部分基于深度学习的图像处理。
但我发现,几乎80%的CVer 都没有从头至尾深入的学习图像处理方面的知识。
现在有了深度学习,不需要人为提取特征了,所以很多人不再关注图像底层的信息,而是直接越过这个根基去搭建模型,我觉得这是一个误区。
计算机视觉的提升不在于搭建模型,而在于不断调优、改进过程中积累的经验。
我们该怎么针对不同领域的图像设置不同的参数?其中包括卷积核大小、网络架构、初始权重等等,不可能拿到一个模型,既适合医学图像,又适合人脸识别,这其中就需要n次从70%的精度调到95%以上中积累出经验。
如果你决心要在这个领域深耕,那么图像底层方面的知识坚决不可跨越的,欲速则不达。
分享一套当时我学习过的教程,有视频、代码、PPT等,帮助大家打好基础。
跟着这个路线重新去梳理一下你的学习路线,相信计算机视觉水平一定会有质的提升。
资源已经整理好了,文末附下载方式!以下是详细内容介绍~
第一章:机器学习与计算机视觉
1. 计算机视觉简介
技术背景
了解人工智能方向、热点
计算机视觉简介
cv简介 cv技能树构建 应用领域
机器学习的数学基础
线性与非线性变换 概率学基础 熵 kl散度 梯度下降法
2. 计算机视觉与机器学习基础
图像和视频
图像的取样与量化 滤波 直方图 上采样 下采样 卷积 直方图均衡化算法 最近邻差值 单/双线性差值
特征选择与特征提取
特征选择方法 filter等 特征提取方法:PCA、LDA、SVD等
边缘提取
Canny Roberts Sobel Prewitt Hessian特征 Haar特征
相机模型
小孔成像模型 相机模型 镜头畸变 透视变换
3. 计算机视觉与机器学习进阶
聚类算法
kmeans 层次聚类 密度聚类 谱聚类
坐标变换与视觉测量
左右手坐标系及转换 万向锁 旋转矩阵 四元数
三维计算机视觉
立体视觉 多视几何 SIFT算法
三维计算机视觉与点云模型
PCL点云模型 spin image 三维重构 SFM算法
图像滤波器
直通滤波 体素滤波 双边滤波器 条件滤波 半径滤波 图像增加噪声与降噪
4. OpenCV详解
OpenCV算法解析
线性拟合 最小二乘法 RANSAC算法 哈希算法 DCT算法 汉明距离 图像相似度
第二章:深度学习与计算机视觉
1. 神经网络
深度学习与神经网络
深度学习简介 基本的深度学习架构 神经元 激活函数详解(sigmoid、tanh、relu等) 感性认识隐藏层 如何定义网络层 损失函数
推理和训练
神经网络的推理和训练 bp算法详解 归一化 Batch Normalization详解 解决过拟合 dropout softmax 手推神经网络的训练过程
从零开始训练神经网络
使用python从零开始实现神经网络训练 构建神经网络的经验总结
深度学习开源框架
pytorch tensorflow caffe mxnet keras 优化器详解(GD,SGD,RMSprop等
该视频出品人是王小天,目前就职于BAT之一,AI算法高级技术专家,法国TOP3高校双硕(计算机科学和数学应用双硕士)毕业。
有幸当时接触到了这份资源,能有一位这样的学术届与工业届双开花的大佬教程陪伴,完成从学校到职场的过渡。