[自学CV]000-计算机视觉学习路线

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