传统CV
主要是关于 mid-level 的 cv 技法,包括但不限于:
- SIFT 特征点:(这个最重要)
a. 图像平滑(高斯核卷积)
b. 光照不变形(图像颜色变化)
c. Image pyramid, DoG (高斯核卷积)
d. Harris 角点 (泰勒展开)
e. 极值点(线性插值)
f. 特征向量的生成(旋转不变形) - 其他相关特征点, 包括但不限于: HoG, SURF, ORB, FAST 等
- Haar 特征,Integral Image(积分图)
- 传统 ML 方法:
SVM,Decision Tree, Logistic Regression, Linear Regression, Neural Network, Adaboost
Schedule
I. Two Stage Detection
A. RCNN: NMS Series
B. Fast RCNN: ROI Series
C. Faster RCNN: RPN + Anchor
D. Some Resources
II. One Stage Detection
E. Yolo V1: 1st Trial
F. Yolo V2: Anchor + Loss G. Yolo V3: FPN
H. Yolo V4: Tricks<