目錄
cv的level和cv的方向
cv的level
cv研究方向
cv應用方向
cv工程方向
cv的路線
cv比較好的會議
cv的平台、框架
認識幾個cv的縮寫
low level，影象的基本操作；比如，影象的變換、畫素操作、色彩等；
mid level，經典的視覺演算法；比如，sift、rbf等；
high level，cv任務；比如，deep learning和cnn等；
這個可以用於學術研究參考。新應用、新領域發表**較多。
automl，超引數自主學習，可以自主學習設計合理的神經網路、自主進行學習；
acceleration，加速，偏向底層，cv對算力要求高，計算需要加速；
new structure， 新結構；
refinement，不斷提公升，對現有cv演算法進行提公升；
image classification，影象分類；比如，將一組（注意是一組，不是乙個）分類，主體明顯，將人物影象、風景影象等分為人物、風景等；
object detection，目標檢測；比如，在影象裡找出某個物件並提取出來；
keypoint detection，
recognition，識別；比如，人臉識別；
segmentation，分割；
voxel，三維重構；
tracking，跟蹤；比如，無人機對移動的坦克進行跟蹤；
2d-3d/3d-2d，2d和3d轉換；
image captioning，影象提取標題說明；比如給出乙個（注意是乙個，就乙個）電影影象，說出是戰爭、劇情、恐怖等；
image transfer，影象遷移；
mixed input，混合輸入；比如，輸入影象的同時，還輸入文字、音訊等；
gan，生成式對抗網路（gan, generative adversarial networks ），暫時沒搞懂是幹什麼的；
slam，暫時沒搞懂是幹什麼的；
等等……
modified models，模型修改；比如，對模型做微小調整，帶來巨大的效能提公升；
light models，輕量級模型；比如，手機上應用cv，物聯網的物端需要輕量級模型和加速演算法；
acceleration algorithm，加速演算法；
fixed point
等等……
cv基礎，影象的讀取、顯示、變換、梯度；
ml基礎，機器學習；
cnn基礎，卷積神經網路；
分類，影象分類問題；
檢測，影象檢測問題；
影象遷移問題；
gan知識；
cnpr、eccv、iccv、nips、pami、siggraph、arxiv、kaggle。
cv的平台有trello、slack、github
認識幾個cv的縮寫，別被嚇到了。
ai = artificial intelligence 人工智慧
ml = machine learning 機器學習
cv = computer vision 計算機視覺
cnn = convolutional neural network 卷積神經網路（以後見到nn都要聯想到神經網路ann、dnn、dcnn）
CV00 01 開篇與環境搭建
目錄 intro 環境搭建 tensorflow搭建 pytorch搭建 paddlepaddle搭建 從今天起學習cv，為期6個月，以三個真實專案為背景學習cv。希望6個月後，感謝現在拼命學習cv的自己。整個專案使用三個比較流行的cv框架，tensorflow pytorch和paddlepadd...
cv基礎組隊學習
影象彩色空間互轉在影象處理中應用非常廣泛，而且很多演算法只對灰度圖有效 另外，相比rgb，其他顏色空間 比如hsv hsi 更具可分離性和可操作性，所以很多影象演算法需要將影象從rgb轉為其他顏色空間，所以影象彩色互轉是十分重要和關鍵的 1.相關顏色空間的原理介紹 2.顏色空間互轉理論的介紹 3.o...
CV基礎 模型整合
在機器學習中的整合學習可以在一定程度上提高 精度，常見的整合學習方法有stacking bagging和boosting，同時這些整合學習方法與具體驗證集劃分聯絡緊密。由於深度學習模型一般需要較長的訓練週期，如果硬體裝置不允許建議選取留出法，如果需要追求精度可以使用交叉驗證的方法。下面假設構建了10...