一、计算机视觉基础
概念及应用
计算机视觉任务：图像分类（classification）、目标检测（object detection）、图像分割（segmentation）。
其中图像分割又分为语义分割（semantic segmentation）、实例分割（instance segmentation）。后者不仅将像素抠出来还区分类别。
计算机视觉处理任务：
12年Alex net之后，深度学习的使用错误率不断下降。
层数不断增加 错误率不断下降。
计算机视觉：让计算机学会“看”的学科，研究如何自动理解图像和视频中的内容。图像分类，目标检测，图像分割。
图像分类：经常也称为图像识别，识别图像中的物体是什么。比如扫一扫识物。
人脸检测：单个人脸检测。目标检测分为通用目标检测和特定目标检测。
计算机视觉应用场景：无人驾驶避障车道检测
动漫特效：图像生成，迁移
虚拟人物：人脸关键点检测 cg
视频理解和自动剪辑：
计算机视觉的发展：
早期萌芽（1960-1980）
统计机器学习与模式识别（1990-2000）
视觉特征
imageNet
初见成效的视觉系统（～2010）
深度学习时代（2012～）
AlexNet（hinton图灵奖获得者 图像分类），fast rcnn（目标检测）
时至今日（～）
文字描述生成图片，视觉大模型，神经渲染 citynerf。
各大开源深度学习框架：
二、openMMLab算法体系
总体现状：一个统一先进的底层架构；20+计算机视觉研究方向；300+经典、前沿算法；2000+预训练模型。
开源历程：2018~
总体架构概览：
算法训练-部署一体化：MMDeploy库部署各种设备上
算法框架介绍：
MMDetection：目标检测、实例分割、全景分割（基于实例分割，+背景分割）
MMDetection3D：3D目标检测
MMClassification：图像分类；具有丰富的模型库（VGG、ResNet、...）
MMSegmentation：图像分割；无人驾驶、遥感、医疗影像
MMPose&MMHuman3D：人体分析（2D/3D、图像/视频、形状/关键点、全身/人脸/人手）
MMTracking：追踪（视频物体检测、单目标追踪、多目标追踪）
MMAction2：视频行为理解（行为识别、时序动作识别、时空动作识别）
MMOCR：文本检测和文字识别
MMEditing：图像像素处理（图像修复、抠图、超分辨率、图像生成）
OpenMMLab 2.0，更强
三、机器学习及神经网络基础
机器学习基础
机器学习：从数据中学习经验，以解决特定问题
监督学习：数据之间存在某种关系，如何基于样本推断关系？有标签。
无监督学：数据自身是否存在某种规律？无标签。
自监督学习：
强化学习：如何和环境交互，以获得最大利益？自适应环境。
机器学习的分类问题
机器学习流程：训练（采集数据、标注数据、训练数据）、验证（训练集、测试集、验证集）、应用（部署到实际业务系统）
以下关于神经网络就简单过了一遍，没有具体做笔记。
神经网络结构
线性分类器无法拟合曲线，神经网络属于非线性；
神经网络训练
卷积神经网络
为什么需要CNN？——参数量大、没有考虑图像本身的二维结构
卷积神经网络：卷积层和池化层、全连接层
pytorch环境配置与基础使用
pytorch官网
pytorch基本模块：
torch库：
多维数组的数据结构tensor（0维就是标量、1维就是向量、2维就是矩阵（一页纸）、3维就是很多矩阵叠在一起（很多纸叠在一起，一本书）、4维就是一本本书叠在一起，一层书，5维就是很多层书，书柜。
多维数组的运算
多计算后端支持
torch.autugrad自动求导：
torch.nn.functional 函数库：
torch.nn.Module 通用模型封装：
torch.optim 优化器：
torch.utils.data 数据工具：
