想学计算机视觉入门的可以看过来了

文章写了有一段时间了,期间不少小伙伴来咨询如何自学入门AI,或者咨询一些AI算法。

90%的问题我都回复了,但有时确实因为太忙,没顾得过来。

在这个过程中,我发现很多小伙伴问的问题都类似:比如如何入门计算机视觉,某某算法是做什么的,有什么作用。

之前写的文章由于过于分散,不成体系,很多知识点没有串联起来。

于是我准备写一系列的文章,计划更新100+篇文章,系统的带大家从传统计算机视觉,到基于深度学习的计算机视觉走一遍。

然后依托Resnet50这一经典图像分类网络,将涉及到的算法都剖析和实现一遍,最后亲自完成该神经网络的搭建,并带你完成任意图像的识别目录:

我所理解的计算机视觉

基础背景知识

  1. 图片和像素

  2. 灰度图

  3. 彩色 RGB 以及通道

  4. 彩色YUV

  5. OpenCV 介绍、环境搭建及一个实战完成YUV的分量提取

传统计算机视觉初探

  1. 传统CV之均值滤波

  2. 传统CV之高斯滤波

  3. 传统CV之高斯滤波实战

  4. 传统CV之边缘检测

  5. 传统CV之图像分割(大津算法)

  6. 传统CV之利用大津算法实战完成图像分割

深度学习基础

  1. 机器学习和深度学习的关系

  2. 深度学习之神经网络

  3. 深度学习之训练和推理

  4. 深度学习之正向传播和反向传播

  5. 深度学习之损失函数

  6. 推理的性能,那些框架存在的意义

  7. 深度学习实战——完成一个模型的训练和推理

图片分类模型 - Resnet50

  1. 什么是 Resnet50 神经网络?

  2. Resnet 神经网络为什么这么重要?

  3. Resnet 中共包含哪些算法?

  4. 卷积 - 为什么是卷积?

  5. 卷积 - 什么是卷积的 Feature Map?

  6. 卷积 - 到底什么是感受野?

  7. 卷积 - 图片通道数

  8. 卷积 - 图片的特征是如何通过卷积表征的

  9. 卷积 - 卷积算法的可视化

  10. 卷积 - 卷积的本质  - 图片特征的融合

  11. 卷积 - 特征图可视化,卷积到底学到了图片的什么特征

  12. 卷积 - 卷积算法公式推导

  13. 卷积参数 - padding 的作用

  14. 卷积参数 - stride 的作用

  15. 卷积参数 - dilation 的作用

  16. 变种卷积 - 空洞卷积

  17. 变种卷积 - 分组卷积

  18. 变种卷积 - 逐通道卷积

  19. 实战环境搭建 - python  和 C++ 卷积实战 - 手写一个基础卷积算法

  20. 卷积总结 池化 - 什么是池化算法

  21. 池化 - 池化的核函数

  22. 池化 - 和卷积的区别

  23. 池化 - 最大池化

  24. 池化 - 最大池化的特征不变性

  25. 池化 - 平均池化 ,全局平均池化

  26. 池化实战 - 手写一个最大池化函数

  27. BatchNorm - 批归一化,为什么在特征图的 batch 维度做?

  28. BatchNorm - 解决了什么问题

  29. BatchNorm 实战 - 公式推导以及手写一个BatchNorm 算法

  30. BatchNorm 为什么可以和卷积融合?

  31. 激活函数 - 非线性的重要性

  32. 激活函数 - Relu 公式

  33. 激活函数 - 为什么有人说可以无脑用Relu

  34. 激活函数 - sigmoid

  35. 激活函数 - 梯度消失和梯度爆炸

  36. Resnet - 残差结构

  37. Resnet - 残差结构的作用

  38. python/c++ 实战 - 利用卷积+relu + add 手写一个残差结构

  39. 全连接 - 全连接的本质,图片特征的大融合

  40. 全连接 - 和卷积的区别和联系

  41. python/c++ 实战 - 手写一个全连接算法

  42. Softmax 分类器的作用

  43. Softamx 分类的本质

  44. Softmax 与损失函数的关系

  45. python/c++  实战 - 手写 softmax 算法

  46. Resnet 中的下采样

  47. Resnet 中的BottleNeck 结构

模型实战

  1. python/c++ 实战 - 手写搭建 conv + batchnorm + relu conv_bn_relu)结构

  2. python/c++ 实战 - 手写搭建 bottleneck 结构

  3. python/c++ 实战 - 手写全局平均池化

  4. python/c++ 实战 - 利用 conv_bn_relu + bottleneck + 最大池化 + 全局池化 + 全连接搭建resnet50

  5. python/c++ 实战 - 下载该神经网络预训练权值

  6. python/c++ 实战 - 对神经网络加载权值 python/c++

  7. 实战解析 - 图像预处理介绍

  8. python/c++ 手写图像预处理

  9. python/c++ 输入任意图片,正确推理结果

  10. 神经网络评价指标 - Top1/Top5, 看你手写的神经网络正确率如何?

模型性能优化

  1. python/c++ 实战总结 神经网络性能指标 - 吞吐和延时

  2. 计算机基础 - 计算数据流加载(IO)

  3. 性能优化1 - 循环展开(unrooling) 及其原理

  4. 性能优化2 - 图融合及其原理

  5. 性能优化2 - resnet中可融合的层的算法等价关系介绍

  6. 性能优化实战 - 以上述手写的神经网络代码为基础,完成图融合的实战

  7. 性能优化3 - 什么是计算向量化

  8. 性能优化3 - 内积和卷积的关系

  9. 性能优化3 - 利用 python 的内积优化卷积运算

  10. 性能优化3 - CPU 向量指令和标量指令介绍

  11. 性能优化3 - CPU avx指令集介绍

  12. 性能优化3实战 - 利用avx指令集做卷积算法的优化

  13. 性能优化4 - 权值预加载技术

  14. 性能优化5 - 模型预编译技术和代码生成介绍

详细的文章撰写计划可以查看:不错,学习赚钱两不误

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/180596.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

从 0 到 1 开发一个 node 命令行工具

G2 5.0 推出了服务端渲染的能力,为了让开发者更快捷得使用这部分能力,最写了一个 node 命令行工具 g2-ssr-node:用于把 G2 的 spec 转换成 png、jpeg 或者 pdf 等。基本的使用如下: $ g2-ssr-node g2png -i ./bar.json -o ./bar.…

Django RestFramework

安装restframework pip install djangorestframework pip install markdown # Markdown support for the browsable API. pip install django-filter # Filtering support安装其他模块 pip install pillowpip install django-cors-headers建模和迁移数据 drf包含四个…

MySQL中的锁(简单)

目录 1. 共享锁(Shared Lock): 2. 排他锁(Exclusive Lock): 3. 行级锁(Row-Level Lock): 4. 页级锁(Page-Level Lock): 5. 表级锁…

唯创知音WT2003H系列MP3录音语音芯片:控制方式灵活,高品质录音与内置功放完美结合

在音频技术日新月异的今天,一款功能强大、性能稳定的录音芯片对于电子产品的重要性不言而喻。而唯创知音的WT2003H系列MP3录音芯片,凭借其灵活的控制方式、高品质录音功能以及内置的D类功放,成为了市场上备受瞩目的明星产品。 首先&#xff…

shell编程系列(5)-函数的定义

文章目录 前言函数定义处理函数参数通过getopts接收参数 前言 函数是编程语言中最重要的部分之一,虽然在shell脚本中并不是必须的,但是函数可以提高代码的复用性和可读性,当我们编写稍微复杂的脚本时,函数就是一个好帮手&#xf…

Linux常用命令——basename命令

在线Linux命令查询工具 basename 打印目录或者文件的基本名称 补充说明 basename命令用于打印目录或者文件的基本名称。basename和dirname命令通常用于shell脚本中的命令替换来指定和指定的输入文件名称有所差异的输出文件名称。 语法 basename(选项)(参数)选项 --help&…

深度学习可解释性Python库

本文整理了10个常用于可解释AI的Python库,方便我们更好的理解AI模型的决策。 原文阅读 什么是XAI? XAI(Explainable AI)的目标是为模型的行为和决策提供合理的解释,这有助于增加信任、提供问责制和模型决策的透明度…

STM32 基础知识

1. STM32微控制器的核心特性是什么? STM32微控制器是基于ARM Cortex-M 处理器 , 它具有高性能处理能力和低功耗的特性 , 适合用于嵌入式系统STM32系列具有多种多样的内存大小和丰富的内置外设选项,包括 多通道ADC , 定…

SAP_ABAP_编程基础_二进制文件_SMW0中上传与下载

SAP ABAP 顾问(开发工程师)能力模型_Terry谈企业数字化的博客-CSDN博客文章浏览阅读448次。目标:基于对SAP abap 顾问能力模型的梳理,给一年左右经验的abaper 快速成长为三年经验提供超级燃料!https://blog.csdn.net/j…

(2)(2.1) Lightware SF40/C(360度)

文章目录 前言 1 安装SF40c 2 连接自动驾驶仪 3 通过地面站进行配置 4 参数说明 前言 Lightware SF40/C 360 度激光雷达(Lightware SF40/C 360degree lidar)可在 Copter-3.4 及更高版本的 Loiter 模式下用于物体回避。 !Warning 该功能尚未在各种情况下进行过…

STM32F407-14.3.5-01捕获_比较通道

捕获/比较通道 每一个捕获/比较通道都是围绕着一个捕获/比较寄存器(包含影子寄存器) 包括: 捕获的输入部分(数字滤波、多路复用和预分频器), 输出部分(比较器和输出控制)。 中文参考手册中框图分成了三大模块, 把框图合并成了一个整体,以便更好的理解捕获输…

分布式机器学习、联邦学习、多智能体的区别和联系——一文进行详细解释

1 分布式机器学习、联邦学习、多智能体介绍 最近这三个方面的论文都读过,这里写一篇博客归纳一下,以方便搞这几个领域的其他童鞋入门。我们先来介绍以下这三种机器学习范式的基本概念。 1.1 分布式机器学习介绍 分布式机器学习(distributed machine l…

redis配置详解

redis配置 注意:我使用的版本是6.0.10,不同版本可能略有差别 redis的配置主要集中在redis.conf文件中,接下来就来看一下redis.conf中包含了哪些内容 INCLUDES模块 该模块下可以使用include来包含其他的redis配置文件,将其他配置文…

除自身以外数组的乘积——力扣算法

题目 给你一个整数数组 nums,返回 数组 answer ,其中 answer[i] 等于 nums 中除 nums[i] 之外其余各元素的乘积 。 题目数据 保证 数组 nums之中任意元素的全部前缀元素和后缀的乘积都在 32 位 整数范围内。 请 不要使用除法,且在 O(n) 时…

再探Java集合系列—LinkedList

单向链表 双向链表 LinkedList适用于什么场景? 适用于需要频繁插入和删除元素的场景,例如消息聊天系统,一开始并不明确有多少记录,可以在空间满足的情况下不断增加数据 LinkedList的特点有哪些? LinkedList的底层采…

中兴小鲜50 ZTE 畅行50 刷机救砖演示机7543n root 虎贲 展锐 T760 解锁BL

系统信息 网络制式 支持中国移动、中国电信、中国联通、中国广电四大运营商5G频段;支持4G/3G/2G 系统平台 MyOS 13.0(基于Android 13) 硬件信息 处理器 展锐T760,高性能8核5G芯片 存储 6GB RAM128GB ROM 扩展 不支持 电池容…

【算法萌新闯力扣】:旋转链表

力扣题目:旋转链表 开篇 今天是备战蓝桥杯的第25天和算法村开营第3天!经过这3天的学习,感觉自己对链表的掌握程度大大地提升,尤其是在帮村里的同学讨论相关问题时。本篇文章,给大家带来一道旋转链表的题目&#xff0c…

vue+echarts实现依赖关系无向网络拓扑结图节点折叠展开策略

目录 引言 一、设计 1. 树状图(不方便呈现节点之间的关系,次要考虑) 2. 力引导依赖关系图 二、力引导关系图 三、如何实现节点的Open Or Fold 1. 设计逻辑 节点展开细节 节点收缩细节 代码实现 四、结果呈现 五、完整代码 引言 我…

在MySQL中将一个表切换到另一个表并启用分区

创建新分区表: 首先,你需要创建一个与原表结构相同但启用了分区的新表。 CREATE TABLE new_table (-- 列定义省略,请根据你的表结构补充 ) PARTITION BY RANGE COLUMNS(MONTH(FROM_UNIXTIME(create_time))) (PARTITION p1 VALUES LESS THAN …

spring boot spring-retry重试机制

1、添加maven依赖 <dependency><groupId>org.springframework.retry</groupId><artifactId>spring-retry</artifactId></dependency><dependency><!--如果其他的依赖已经引入了,可以不加--><groupId>org.aspectj</g…