我熬了几个大夜,学完一套 "海外博士" 总结的「卷积神经网络、目标检测、OpenCV」笔记!
公众号CVer
共 1742字,需浏览 4分钟
·
2022-02-21 18:46
工作需要
第一章:机器学习与计算机视觉
1. 计算机视觉简介
了解人工智能方向、热点
cv简介 cv技能树构建 应用领域
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
特征选择方法 filter等 特征提取方法:PCA、LDA、SVD等
Canny Roberts Sobel Prewitt Hessian特征 Haar特征
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
kmeans 层次聚类 密度聚类 谱聚类
左右手坐标系及转换 万向锁 旋转矩阵 四元数
立体视觉 多视几何 SIFT算法
PCL点云模型 spin image 三维重构 SFM算法
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
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
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
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
pytorch tensorflow caffe mxnet keras 优化器详解(GD,SGD,RMSprop等
评论