计算机视觉知识点总结

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。扫描文末二维码立刻申请入群~

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。本文涉及较多超链接，已经发布在极市开发者社区：

http://bbs.cvmart.net/articles/380（或直接阅读原文），欢迎前往获得更好的阅读体验。

作者 | JustDoIT

来源 | https://zhuanlan.zhihu.com/p/58776542

目录
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
3 正则化
4 全卷积网络
5 1*1卷积核
6 感受野
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

计算机视觉四大基本任务(分类、定位、检测、分割)

• 目标检测解读汇总

  目标检测论文及解读汇总

• 图像语义分割综述

  图像语义分割综述

1 经典卷积网络

• AlexNet

  从AlexNet理解卷积神经网络的一般结构

• VGG

  【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

  ResNet解析

  ResNetV2：ResNet深度解析

• Xception

  Xception算法详解

• DenseNet

  DenseNet算法详解

• DetNet

  旷视科技提出物体检测专用Backbone——DetNet

2 卷积、空洞卷积

变形卷积核、可分离卷积？卷积神经网络中十大拍案叫绝的操作。

• 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

• 空洞卷积

  如何理解空洞卷积（dilated convolution）？

  总结-空洞卷积(Dilated/Atrous Convolution)

3 正则化

• batch normalization、group normalization

  Batch Normalization导读

  深度学习中的Normalization模型

  Group Normalization 及其MXNet、Gluon实现

• dropout

  理解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

全卷积网络 FCN 详解

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

6 感受野

深度神经网络中的感受野(Receptive Field)

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

  何恺明大神的「Focal Loss」，如何更好地理解？

• 交叉熵

  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）

  Contrastive Loss (对比损失)

  
  

• 三元组损失（Triplet Loss）

  Triplet Loss及其梯度

8 优化算法

• Momentum

  路遥知马力——Momentum

• Nesterov Accelerated Gradient

  比Momentum更快：揭开Nesterov Accelerated Gradient的真面目

9 concat 和 add的区别

如何理解神经网络中通过add的方式融合特征？

10 注意力机制

计算机视觉中的注意力机制

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)

• NMS

  NMS——非极大值抑制

  
  

• Soft NMS

  Soft NMS算法笔记

  
  

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)

  语义分割之评价指标

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

怎么选取训练神经网络时的Batch size?

深度机器学习中的batch的大小对学习效果有何影响？

17 Graph Convolutional Network（GCN）

如何理解 Graph Convolutional Network（GCN）？

*推荐阅读

一文看尽2018全年计算机视觉大突破

计算机视觉领域最全汇总

扫描下方二维码，即可申请加入极市目标跟踪、目标检测、工业检测、人脸方向、视觉竞赛等技术交流群，更有每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流，一起来让思想之光照的更远吧~

觉得有用麻烦给个好看啦~