00、计算机视觉入门与调优简介

写在前面

1. 每天更新1篇文章，共更新100篇以上

2. 相关代码会放在gitee上

3. 预计2023-11-11开始推送文章，持续3个月左右

4. 如果想购买本专栏，可关注下方公众号，加我微信有优惠。

专栏简介

本专栏带你从头开始入门计算机视觉。

本小册内容会比之前写的文章更专业更全面，并且你可以深度链接作者，确保你能完全学会。

预计更新100篇文章以及实战代码（预计在3个月左右时间更新完成），包含以下章节（更新过程中会有调整）：

以下高亮部分为已更新内容。

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 - 矩阵乘法的本质

8. 卷积 - 实际上是一个特征提取器

9. 卷积 - 卷积特征的可视化和一个神奇的网站

10. 卷积 - 卷积的基础公式

11. 卷积参数 - padding 的作用

12. 卷积参数 - stride 的作用

13. 卷积参数 - dilation 的作用以及什么是空洞卷积

14. 卷积参数 - 长宽方向的公式推导

15. 变种卷积 - 分组卷积

16. 实战 - 手写一个基础卷积算法

17. 卷积 - 算法总结

18. 池化 - 什么是池化算法

19. 池化 - 池化与卷积的区别

20. 池化 - 池化的特征不变性

21. 池化 - 平均池化和全局平均池化

22. 实战 - 手写一个最大池化函数

23. BatchNorm - 什么是批归一化以及它解决了什么问题

24. BatchNorm - 经典面试题：训练和推理中的批归一化有什么不一样

25. 实战 - 手写一个BatchNorm 算法

26. BatchNorm 为什么可以和卷积融合？

27. 激活函数 - 非线性的重要性

28. 激活函数 - relu

29. 激活函数 - sigmoid

30. 激活函数 - 梯度消失和梯度爆炸

31. Resnet - 残差结构和它的作用

32. 实战 - 利用 conv + bn + relu + add 手写一个残差结构

33. 全连接 - 特征的全局融合

34. 全连接 - 特征与样本空间的对应关系

35. 实战 - 手写一个全连接算法

36. Softmax 分类器以及它的底层原理

37. Softmax 与损失函数的关系

38. python/c++  实战 - 手写 softmax 算法

39. Resnet 中的下采样

40. 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

小册内容丰富，从原理入门到算法解析到实战，全部包含。

围绕着Resnet50这一神经网络，会带你将基础知识打牢，无论你是小白，还是已有一些基础想提高，都很适合。