白嫖的一个公众号课程目录,打算按照这个整理一下相关内容,应对招聘,但愿能坚持整理全,奥利给
第一章:机器学习与计算机视觉
1.1 计算机视觉简介
1.1.1 技术背景
- 了解人工智能方向、热点
1.1.2 计算机视觉简介
- cv简介
- cv技能树构建
- 应用领域
1.1.3 机器学习的数学基础
- 线性与非线性变换
- 概率学基础
- 熵
- kl散度
- 梯度下降法
1.2 计算机视觉与机器学习基础
1.2.1 图像和视频
- 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
1.2.2 特征选择与特征提取
- 特征选择方法
- filter等
- 特征提取方法:PCA、LDA、SVD等
1.2.3 边缘提取
- Canny
- Roberts
- Sobel
- Prewitt
- Hessian特征
- Haar特征
1.2.4 相机模型
- 小孔成像模型
- 相机模型
- 镜头畸变
- 透视变换
1.3 计算机视觉与机器学习进阶
1.3.1 聚类算法
- kmeans
- 层次聚类
- 密度聚类
- 谱聚类
1.3.2 坐标变换与视觉测量
- 左右手坐标系及转换
- 万向锁
- 旋转矩阵
- 四元数
1.3.3 三维计算机视觉
- 立体视觉
- 多视几何
- SIFT算法
1.3.4 三维计算机视觉与点云模型
- PCL点云模型
- spinimage
- 三维重构
- SFM算法
1.3.5 图像滤波器
- 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
1.4 OpenCV详解
1.4.1 OpenCV算法解析
- 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
2.1 神经网络
2.1.1 深度学习与神经网络
- 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
2.1.2 推理和训练
- 神经网络的推理和训练
- bp算法详解
- 归一化
- BatchNormalization详解
- 解决过拟合
- dropout
- softmax
- 手推神经网络的训练过程
2.1.3 从零开始训练神经网络
- 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
2.1.4 深度学习开源框架
- pytorch
- tensorflow
- caffe
- mxnet
- keras
- 优化器详解(GD,SGD,RMSprop等