计算机视觉和深度学习基础·速查卡片集 / Fundamentals for CV & DL @ShowMeAI研究中心

这是 ShowMeAI 持续分享的速查表系列！本系列速查表包含 200 多张知识卡片，分为『计算机科学』『机器学习』『计算机视觉和深度学习基础』『计算机视觉和深度学习精选专题』4个主题，用以回顾多年的 ML 研究、课程和学习中的所有内容，并为机器学习工程师的面试做准备。 这个文件是『计算机视觉和深度学习基础』主题（其他部分的下载链接见评论区），包含以下部分： Low Level / Classical Techniques in Vision And Image Processing（视觉和图像处理中的低层次/经典技术） Deep Learning Fundamentals（深度学习基础） Seminal & Foundational Topics in Deep Learning（深度学习中的标志性和基础性课题） Neural Networks Designed for Sequential Data （为序列数据设计的神经网络 Transfer Learning（迁移学习） Unsupervised & Self-Supervised Learning（无监督和自我监督的学习） 计算机视觉和深度学习是当前人工智能领域中的两大核心技术，它们在图像识别、自动驾驶、医疗影像分析等领域发挥着重要作用。本速查卡片集旨在帮助读者快速掌握这两个领域的基础知识。 我们来了解一下“Low Level / Classical Techniques in Vision And Image Processing”，即视觉和图像处理中的低层次/经典技术。这一部分涉及了相机模型的基础知识，例如针孔相机模型。针孔相机模型描述了一个三维空间中的点如何被投影到二维图像平面上。相机矩阵分为外参和内参两部分。外参涉及相机在三维空间中的位置，而内参则表示相机的内部参数，如焦距、畸变系数和主点位置。通过这些矩阵，我们可以实现从三维世界坐标到二维像素坐标的映射，以及从二维像素坐标反向推导出三维光线。 SIFT（尺度不变特征变换）是一种重要的特征检测算法，由David Lowe于1999年提出，它解决了尺度和旋转不变性问题。相比早期的Harris角点检测器，SIFT可以更好地应对缩放和旋转变化。SIFT特征包括关键点和描述符，用于在不同图像之间建立对应关系，从而实现图像匹配。这种技术常用于对象识别、图像拼接等下游任务。 接下来，我们转向“Deep Learning Fundamentals”部分。深度学习是机器学习的一个分支，主要通过多层神经网络来学习复杂的数据表示。它包括了各种网络结构，如前馈神经网络（FFN）、卷积神经网络（CNN）和循环神经网络（RNN）。这些网络在图像分类、图像分割、自然语言处理等领域有广泛的应用。此外，深度学习还涉及到激活函数（如ReLU）、损失函数、优化算法（如梯度下降和Adam）以及正则化策略（如L1和L2正则化）等概念。 “Seminal & Foundational Topics in Deep Learning”讨论了深度学习领域的里程碑式工作和基础理论。这可能包括深度信念网络（DBN）、自编码器（AE）、卷积神经网络（LeNet、AlexNet、VGG、ResNet等）、生成对抗网络（GAN）和变分自编码器（VAE）。这些模型和技术不仅推动了深度学习的发展，也对计算机视觉和自然语言处理产生了深远影响。 “Neural Networks Designed for Sequential Data”主要关注处理序列数据的网络，如RNN、长短时记忆网络（LSTM）和门控循环单元（GRU）。这类网络在处理时间序列数据，如语音识别、自然语言理解和视频分析等方面表现出色。 “Transfer Learning”是指将预训练的模型应用于新的、相关但不同的任务。这种方法能有效利用大型数据集预训练的模型参数，显著提高新任务的训练效率和性能。例如，预训练的CNN模型可以用于图像分类、物体检测等任务。 “Unsupervised & Self-Supervised Learning”关注在无标签数据上的学习方法。无监督学习通过寻找数据的内在结构或模式进行学习，而自我监督学习则通过创建自我监督信号来指导模型学习，例如预测图像的旋转角度或未来的视频帧。 这份速查卡片集涵盖了计算机视觉和深度学习的多个核心概念，对于学习者来说，是一份宝贵的复习和准备面试的资源。通过深入理解这些知识，你可以更好地理解和应用这些技术，解决实际问题。