计算机视觉 Computer Vision

节次	主要内容
1. 概述	课程概况、行业概况、学科关系、哲学基础、发展历史	pdf
2. 硬件	机器视觉系统的构成、光源、镜头、相机、感光器件	pdf
3. 图像增强1	图像的构成及常见格式、色彩空间、锐化和降噪、滤波器	pdf
4. 图像增强2	卷积和滤波、边缘检测、图像金字塔、FFT及频域操作	pdf
5. 图像分类任务1	使用场景、任务类别、难点和挑战	pdf
6. 图像分类任务2	图像的向量表示、图像的特征表示、机器学习流程	pdf
7. 线性分类器1	线性代数表达、决策边界、Hinge loss	pdf
8. 线性分类器2	超参数、正则项、梯度计算	pdf
9. 模型的训练	随机梯度下降、小批量梯度下降、交叉验证	pdf
10. 全连接神经网络1	网络结构、激活函数、交叉熵损失和KL散度、信号传播、梯度回传	pdf
11. 全连接神经网络2	梯度消失和梯度爆炸、动量法、AdaGrad、Adam、权值初始化、BN、Dropout、调参	pdf
12. 卷积神经网络1	CNN总体架构、纹理基元、卷积核组	pdf
13. 卷积神经网络2	卷积层的堆叠、Pooling	pdf
14. 经典构架1	LeNet、AlexNet	pdf
15. 经典构架2	ZF Net、VGG、GoogLeNet、ResNet	pdf
16. 前沿进展	Vision Transformer、生成式模型	pdf

每个节次90分钟。

本课程部分内容参考了以下课程：

Shan Ye