目录
CV的level和CV的方向
CV的level
CV研究方向
CV应用方向
CV工程方向
CV的路线
CV比较好的会议
CV的平台、框架
认识几个CV的缩写
CV的level和CV的方向
CV的level
- Low Level，图像的基本操作；比如，图像的变换、像素操作、色彩等；
- Mid Level，经典的视觉算法；比如，SIFT、RBF等；
- High Level，CV任务；比如，Deep Learning和CNN等；
CV研究方向
这个可以用于学术研究参考。新应用、新领域发表论文较多。
- AutoML，超参数自主学习，可以自主学习设计合理的神经网络、自主进行学习；
- Acceleration，加速，偏向底层，CV对算力要求高，计算需要加速；
- New Application，新应用；
- New Structure， 新结构；
- Refinement，不断提升，对现有CV算法进行提升；
CV应用方向
- Image Classification，图像分类；比如，将一组（注意是一组，不是一个）图片分类，图片主体明显，将人物图像、风景图像等分为人物、风景等；
- Object Detection，目标检测；比如，在图像里找出某个对象并提取出来；
- Keypoint Detection，
- Recognition，识别；比如，人脸识别；
- Segmentation，分割；
- Voxel，三维重构；
- Tracking，跟踪；比如，无人机对移动的坦克进行跟踪；
- 2D-3D/3D-2D，2D和3D转换；
- Image Captioning，图像提取标题说明；比如给出一个（注意是一个，就一个）电影图像，说出是战争、剧情、恐怖等；
- Image Transfer，图像迁移；
- Mixed Input，混合输入；比如，输入图像的同时，还输入文字、音频等；
- GAN，生成式对抗网络（GAN, Generative Adversarial Networks ），暂时没搞懂是干什么的；
- Slam，暂时没搞懂是干什么的；
等等……
CV工程方向
- Modified Models，模型修改；比如，对模型做微小调整，带来巨大的性能提升；
- Light Models，轻量级模型；比如，手机上应用CV，物联网的物端需要轻量级模型和加速算法；
- Acceleration Algorithm，加速算法；
- Fixed Point
等等……
CV的路线
- CV基础，图像的读取、显示、变换、梯度；
- ML基础，机器学习；
- CNN基础，卷积神经网络；
- 分类，图像分类问题；
- 检测，图像检测问题；
- 图像迁移问题；
- GAN知识；
CV比较好的会议
CNPR、ECCV、ICCV、NIPS、PAMI、SIGGRAPH、arXiv、Kaggle。
CV的平台、框架
CV的平台有Trello、Slack、Github
CV的框架有Caffe、Caffe2（Facebook）、TensorFlow（Google）、CNTK（Microsoft）、PaddlePaddle（百度）、MXNet（Amazon）、PyTorch（Facebook）、Keras等
认识几个CV的缩写
认识几个CV的缩写，别被吓到了。
AI = Artificial Intelligence 人工智能
ML = Machine Learning 机器学习
SLAM = Simultaneous Location and Mapping 同步定位与地图构建
CV = Computer Vision 计算机视觉
CNN = Convolutional Neural Network 卷积神经网络（以后见到NN都要联想到神经网络ANN、DNN、DCNN）
