計算機視覺基礎知識彙總 （持續更新～）

有的時候知識不用就會忘，準備寫一個博客，就是爲了將自己的知識做一個積累和分類。 同時也希望可以幫助到剛接觸CV的朋友，看見我的博客，能夠有所進步。

basic structure

卷積神經網絡CNNs: 一種有效地特徵提取網絡，詳細介紹.

1. VGG-16/19: 最基礎、有效的特徵提取網絡。鏈接
2. ResNet50/101：更深的卷積神經網絡。鏈接
3. DenseNet：更密集的網絡，充分融合每一層級的信息（特徵重用）鏈接。
4. Inception_v1-v4 (Google Net)：更寬的網絡。鏈接.
5. GAN：無監督的對抗生成網絡 鏈接. 幾個訓練tricks
6. LSTM：最實用的RNN，解決長距離依賴問題，充分學習語義間的空間相關性。鏈接. 以及它的延伸ConvLSTM here

Related terms

1. feature map：卷積神經網絡每一層輸出的特徵圖。
2. multi-level：多指特徵提取網絡，每層block之間的層級關係。low-level包含更多的local details，high-level 包含更多的global context、semantic information。
3. multi-scale: 通常可以理解爲，針對於同一特徵圖，利用不同大小的卷積核進行卷積，以獲得不同的上下文信息。
4. context：結合multi-scale，相同於語義當前卷積的計算結果，考慮了附近多少的值。
5. recurrent 和 recursive ：兩者都表示遞歸、循環。recurrent常表示時間維度的展開，比如lstm。recusive常表示空間維度的循環。
6. Receptive field： feature map 上的像素點在原始圖像上映射的區域大小。如何計算

Convolutional operation

1. standard convolution 鏈接
2. depth-wise convolution 鏈接
3. point-wise convolution 鏈接
4. group-wise convolution 鏈接
5. dilated convolution 鏈接
6. Heterogeneous convolution [鏈接暫無，19年cvpr]

Common operation

1. 卷積操作：進行局部的特徵提取，由於其權值共享，使得特徵的映射具有位移不變性，而且還減少了網絡參數的個數。詳細講解以及一些動態示意圖
2. ReLU激活函數的好處： 鏈接.
3. BN 批量歸一化：鏈接.

Pre-processing

1. 圖像減去mean值：鏈接.

Evaluation metrics

1. PR curves、ROC curves、F-measure 和 AUC：鏈接

Related Application

1.目標檢測 2. 語義分割 3. 實例分割 4. 姿態估計 5. 人臉技術 6. 文本檢測與識別 7. 車牌檢測與識別 8. 圖像分類 9. 醫學影像處理與識別 10. 去雨 11. 車道線檢測 12. 圖像超分辨率 13. 視覺搜索 14. 三維重建 15. SLAM16. 人羣計 17. 目標跟蹤與視頻分析、識別 18. 行人重識別 19. 姿態識別 20. 行人計數 21. 視頻運動放大 22. 強化學習 23. 自監督學習 24. 立體成像 25. 形狀分析
相關學習鏈接：here

Related citations

1. https://blog.csdn.net/weixin_42451919/article/details/81381294
2. https://blog.csdn.net/qq_19329785/article/details/84504722
3. https://blog.csdn.net/lanran2/article/details/79057994
4. https://blog.csdn.net/u013841196/article/details/80725764
5. https://blog.csdn.net/diamonjoy_zone/article/details/70576775
6. https://blog.csdn.net/tintinetmilou/article/details/81607721
7. https://zhuanlan.zhihu.com/p/31004121
8. https://blog.csdn.net/hongxingabc/article/details/79563525
9. https://mp.weixin.qq.com/s/p-rckegsPp_Mu26PPt0Cjw
10. https://mp.weixin.qq.com/s/0qdD1sXWaRvxoZ3aecQzrA
11. https://www.cnblogs.com/wangduo/p/6773601.html?utm_source=itdadao&utm_medium=referral
12. https://blog.csdn.net/gzj_1101/article/details/79586579
13. https://blog.csdn.net/pandamax/article/details/72840822
14. https://mp.weixin.qq.com/s/N85gA350s-lS5p-Q-vgeRA