学习网站：www.bilibili.com/video/BV16V…
CV 在企业中的落地应用
1. 案例
- 人脸识别
- 指纹之别
- 虹膜识别
1.1 流程（原始的技术）：
输入——feature——Classic ML Tools——target
1.1.1 特征要素——找特征
- 尺度不变性：相对尺度的
- 光照不变性
- 方向不变性
1.2 新型 CV 技术
- 无人车
- 人控制动物的表情，瘦脸美颜——对抗生成网络（移动设备端）
- AR\VR 的应用：手的检测，手的动态检测
- 探伤检测：铁路
- 二维图片加上深度，变成3 维的效果
二 CV 应用的落地算法
2.1 训练端
- 层
- 模块
- 网络架构
- 优化算法
- 激励
2.2 底层/业务端
- cuda-coding
- 压缩剪枝
- 量化
- 蒸馏
应用端
- 分类
- 跟踪
- 检测
- 识别
- 分割
- 活体检测
- 图像变换
- 生成对抗
- 关键点定位
- 3D 视觉
CV 算法岗的能力需求
3.1 传统AI
- 流程
- 特征
- 简单任务
- linear Reg
- logistic Reg
- Kmeans -简单数学
3.2 loss function
- C/Kernel : SVM
- Activation/Chain Rule : NN
- Entropy : DT/RF/XGBoost
- boost : AdaBoost
- Probability :Bayes
3.3 传统 CV
3.3.1 基础部分
- 颜色空间/变换
- transform
- scale/sheer/rotation
- homograpphy
- perspective
- noise/blur
- 形态学
- 特征点提取
-
SIFT
- normalize
- DoG
- 泰勒展开
- 插值
- 特征向量
-
SURF
-
FAST
-
Orb
-
