计算机视觉知识点总结
source link: https://bbs.cvmart.net/articles/380
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
计算机视觉知识点总结
1年前 ⋅ 21289 ⋅ 115 ⋅ 208
写在前面：一直以来，极市得到了许许多多开发者的关注和支持，极市的成长离不开各位开发者的见证，感谢各位的支持~φ (> ω<*) ：
分享一篇计算机视觉知识点的相关博文汇总，非常系统全面，超多干货，也欢迎大家补充好的文章~
- 0 计算机视觉四大基本任务
- 1 经典卷积网络
- 2 卷积、空洞卷积
- 4 全卷积网络
- 5 1x1 卷积核
- 7 常见损失
- 8 优化算法
- 9 concat 和 add的区别
- 10 注意力机制
- 11 CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)
- 12 边框回归
- 13 非极大值回归(NMS, Soft NMS)
- 14 激活函数
- 15 评价指标
- 16 batch size的选择
- 17 Graph Convolutional Network（GCN）
0 计算机视觉四大基本任务
目标检测解读汇总
图像语义分割综述
1 经典卷积网络
AlexNet
【深度学习】经典神经网络 VGG 论文解读
深度学习之基础模型-VGG
GoogleNet
深度学习卷积神经网络——经典网络GoogLeNet(Inception V3)网络的搭建与实现
ResNet
Xception
DenseNet
DetNet
2 卷积、空洞卷积
如何通俗易懂地解释卷积？
“看懂”卷积神经网(Visualizing and Understanding Convolutional Networks)
CNN入门必读经典：Visualizing and Understanding Convolutional Networks
如何理解空洞卷积（dilated convolution）？
总结-空洞卷积(Dilated/Atrous Convolution)
batch normalization、group normalization
Group Normalization 及其MXNet、Gluon实现
dropout
L1、L2
机器学习中的范数规则化之（一）L0、L1与L2范数
机器学习中正则化项L1和L2的直观理解
4 全卷积网络
5 1 * 1 卷积核
一文读懂卷积神经网络中的1x1卷积核
卷积神经网络中用1 * 1 卷积有什么作用或者好处呢？
如何理解卷积神经网络中的1 * 1卷积
7 常见损失
损失函数改进方法总览
请问faster rcnn和ssd 中为什么用smooth l1 loss，和l2有什么区别？
focal loss
交叉熵损失函数
卷积神经网络系列之softmax，softmax loss和cross entropy的讲解
对比损失（Contrastive Loss）
三元组损失（Triplet Loss）
8 优化算法
Momentum
Nesterov Accelerated Gradient
比Momentum更快：揭开Nesterov Accelerated Gradient的真面目
9 concat 和 add的区别
10 注意力机制
瑟木：计算机视觉中的注意力机制
张戎：计算机视觉中的注意力机制
11 CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)
CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)的内部网络结构有什么区别？
12 边框回归
边框回归(Bounding Box Regression)详解
13 非极大值回归(NMS, Soft NMS)
Soft NMS
14 激活函数
深度学习中的激活函数导引
如何理解ReLU activation function?
请问人工神经网络中的activation function的作用具体是什么？为什么ReLu要好过于tanh和sigmoid function?
15 评价指标
目标检测mAP
rafaelpadilla/Object-Detection-Metrics
语义分割(PA、MPA、MIoU、FWIoU)
可参考下面论文第五章节
A Review on Deep Learning Techniques Applied to Semantic Segmentation
16 batch size的选择
17 Graph Convolutional Network（GCN）
如何理解 Graph Convolutional Network（GCN）？
作者 | JustDoIT
来源 | https://zhuanlan.zhihu.com/p/58776542
推荐阅读：
计算机视觉顶会文章的解读汇总（CVPR/ECCV/ICCV/NIPS）
AI公司招聘内推汇总
【Awsome】GitHub 资源汇总
微信公众号: 极市平台（ID: extrememart ）
每天推送最新CV干货
版权声明：自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK