計(jì)算機(jī)視覺(jué)引論
什么是計(jì)算機(jī)視覺(jué)； 構(gòu)建第一個(gè)視覺(jué)程序； 視覺(jué)系統(tǒng)構(gòu)成； 讓程序做點(diǎn)事情； 課程體系結(jié)構(gòu)； 照明模型； 顏色模型； 圖像的采集與傳輸； 圖像/視頻的壓縮與顯示；

視覺(jué)處理與分析
圖像濾波及去噪； 圖像邊緣檢測(cè)； 直方圖與圖像分割； 圖像特征描述； 再論圖像分割； 綜合示例； 直線(xiàn)檢測(cè)； HARRIS角點(diǎn)檢測(cè)； SIFT特征提取； ORB特征檢測(cè)； 特征檢測(cè)綜合示例； 背景建模； 光流估計(jì)； 綜合示例； 視覺(jué)編程工具；

機(jī)器學(xué)習(xí)入門(mén)
線(xiàn)性回歸簡(jiǎn)介； 回歸中的損失函數(shù)； 損失函數(shù)的概率解釋； 過(guò)擬合； Scikit-Learn中帶正則的線(xiàn)性回歸模型； 正則的概率解釋； 線(xiàn)性回歸模型解析求解； 線(xiàn)性回歸模型梯度下降法求解； 線(xiàn)性回歸模型坐標(biāo)軸下降求解； 回歸模型性能評(píng)價(jià)指標(biāo)； 交叉驗(yàn)證與模型評(píng)估； 線(xiàn)性回歸案例分析： Boston房?jī)r(jià)預(yù)測(cè)； 特征工程：共享單車(chē)騎行量預(yù)測(cè)； Logistic回歸簡(jiǎn)介； Logistic損失函數(shù)； 正則項(xiàng)； 牛頓法； Logistic回歸的優(yōu)化求解； 多類(lèi)分類(lèi)任務(wù)； 類(lèi)別樣本不均衡數(shù)據(jù)； 分類(lèi)模型評(píng)價(jià)指標(biāo)； Scikit-Learn中的Logistic回歸； Logistic回歸案例分析：Otto商品分類(lèi)； 特征工程：糖尿病發(fā)病預(yù)測(cè)；

機(jī)器學(xué)習(xí)基礎(chǔ)算法
SVM簡(jiǎn)介； 帶松弛變量的SVM模型: CSVM； 對(duì)偶問(wèn)題； 核方法； 支持向量回歸：SVR； Scikit-Learn中的SVM； SVM案例分析：Otto商品分類(lèi)； 決策樹(shù)； Scikit-Learn中的決策樹(shù)模型； 決策樹(shù)案例分析：Otto商品分類(lèi)； Bagging和隨機(jī)森林； Scikit-Learn中的隨機(jī)森林模型； 隨機(jī)森林案例分析：Otto商品分類(lèi)； Adaboost； GBM； Scikit-Learn中的GBM； XGBoost原理； XGBoost工具包使用指南； XGBoost的Scikit-Learn接口； XGBoost案例分析：Otto商品分類(lèi)； LightGBM原理； LightGBM使用指南； LightGBM案例分析：Otto商品分析； PCA降維原理； Scikit-Learn中的PCA； t-SNE； Scikit-Learn中的 t-SNE； 降維案例分析：Otto商品數(shù)據(jù)降維分析； 聚類(lèi)簡(jiǎn)介； KMean聚類(lèi)算法； Scikit-Learn中的 KMean聚類(lèi)； 聚類(lèi)案例分析：Event聚類(lèi)； 推薦系統(tǒng)簡(jiǎn)介； 基于內(nèi)容的推薦； 基于用戶(hù)的協(xié)同過(guò)濾； 基于物品的協(xié)同過(guò)濾； 基于矩陣分解的協(xié)同過(guò)濾； 協(xié)同過(guò)濾推薦案例分析：MovieLens電影推薦； CTR預(yù)估簡(jiǎn)介； FTRL模型； FM與FFM； GBDT； Wide and Deep Learning模型； CTR案例分析：Criteo CTR預(yù)估；

深度學(xué)習(xí)入門(mén)
深度學(xué)習(xí)歷史與介紹； 深度學(xué)習(xí)解決的問(wèn)題； 感知器介紹； 神經(jīng)網(wǎng)絡(luò)的擬合能力； 全連接神經(jīng)網(wǎng)絡(luò)介紹； 前向傳播； 反向傳播；

深度學(xué)習(xí)基礎(chǔ)算法
整體介紹； 數(shù)據(jù)預(yù)處理； 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介； 激活函數(shù)； Batchnorm； Dropout； 網(wǎng)絡(luò)連接方式； Ground truth； 損失函數(shù)； 學(xué)習(xí)率； 優(yōu)化算法； 過(guò)擬合與欠擬合； 正則化； 參數(shù)的初始化；

框架與環(huán)境
Tensorflow 使用tensorflow構(gòu)建神經(jīng)網(wǎng)絡(luò)

位姿估計(jì)與三維重構(gòu)
坐標(biāo)系與相機(jī)模型； 相對(duì)位姿測(cè)量算法； 相機(jī)標(biāo)定； 極線(xiàn)幾何； 立體視覺(jué)與三維重構(gòu)； 特征匹配；

計(jì)算機(jī)視覺(jué)與神經(jīng)網(wǎng)絡(luò)
卷積和池化； 卷積的反向傳播； Tensorflow基礎(chǔ)； 卷積神經(jīng)網(wǎng)絡(luò)的tensorflow實(shí)現(xiàn)； 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)案例 Vgg/inception網(wǎng)絡(luò)代碼講解； 基于slim的神經(jīng)網(wǎng)模型訓(xùn)練； 分類(lèi)定位； 檢測(cè)； 檢測(cè)模型的訓(xùn)練與使用； 分割； 人臉； 其他； 特征使用-相似圖；

總結(jié)

以上是生活随笔為你收集整理的计算机视觉完整学习大纲，来源于互联网，仅供大家参考~~~的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。