计算机视觉知识点总结

 

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 感觉野
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)

https://zhuanlan.zhihu.com/p/31727402

 

• 目标检测解读汇总

https://zhuanlan.zhihu.com/p/36402362

 

• 图像语义分割综述

https://zhuanlan.zhihu.com/p/37801090

 

 

1 经典卷积网络

 

• AlexNet

   

• VGG

   

• GoogleNet

• ResNet：

   

   

   

• Xception

   

• DenseNet

   

• shufflenet：https://zhuanlan.zhihu.com/p/48261931

 

 

 

2 卷积、空洞卷积

 

 

 

• 卷积：https://www.zhihu.com/question/22298352

      

 

• 空洞卷积：https://www.zhihu.com/question/54149221/answer/323880412

        https://zhuanlan.zhihu.com/p/50369448

 

3 正则化

 

• batch normalization、group normalization：

        

        https://zhuanlan.zhihu.com/p/56219719

 

•  

 

• L一、L2：

       

 

 

4 全卷积网络

 

 

 

5 1*1卷积核

 

https://zhuanlan.zhihu.com/p/40050371

 

https://www.zhihu.com/question/56024942

 

 

 

6 感觉野

 

• 深度神经网络中的感觉野(Receptive Field)：

        https://zhuanlan.zhihu.com/p/28492837

 

7 常见损失

• 损失函数改进方法总览：

 

• 请问faster rcnn和ssd 中为何用smooth l1 loss，和l2有什么区别？       https://www.zhihu.com/question/58200555/answer/621174180

 

• focal loss：https://zhuanlan.zhihu.com/p/32423092

 

• 交叉熵：

 

 

• 对比损失（Contrastive Loss）：

 

  

•  三元组损失（Triplet Loss）：

 

 

8 优化算法

 

 

• Momentum：https://zhuanlan.zhihu.com/p/21486826

• Nesterov Accelerated Gradient：https://zhuanlan.zhihu.com/p/22810533

 

9 concat 和 add的区别

 

• 如何理解神经网络中经过add的方式融合特征？

https://www.zhihu.com/question/306213462/answer/562776112

 

10 注意力机制

 

• 计算机视觉中的注意力机制：

        https://zhuanlan.zhihu.com/p/32928645

    

        https://zhuanlan.zhihu.com/p/56501461

 

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？

        https://www.zhihu.com/question/34681168/answer/84061846

 

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：

        Soft NMS算法笔记

 

 

14 激活函数

 

• 深度学习中的激活函数导引：

        https://zhuanlan.zhihu.com/p/22142013

 

• 如何理解ReLU activation function?

https://www.zhihu.com/question/59031444/answer/177786603

 

• 请问人工神经网络中的activation function的做用具体是什么？为何ReLu要好过于tanh和sigmoid function?

https://www.zhihu.com/question/29021768/answer/43488153

 

15 评价指标

 

• 目标检测mAP

        https://github.com/rafaelpadilla/Object-Detection-Metrics

• 语义分割(PA、MPA、MIoU、FWIoU)

      https://zhuanlan.zhihu.com/p/61880018    

 https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1704.06857

 

16 batch size的选择

 

• 怎么选取训练神经网络时的Batch size?

https://www.zhihu.com/question/61607442/answer/440401209

 

• 深度学习中的batch的大小对学习效果有何影响？

https://www.zhihu.com/question/32673260/answer/71137399

 

17 Graph Convolutional Network（GCN）

 

• 如何理解 Graph Convolutional Network（GCN）？

https://www.zhihu.com/question/54504471/answer/332657604