__  ___      _               _ ___    ____                             
   /  |/  /___ _(_)      _____  (_)   |  /  _/    _________  ____ ___      
  / /|_/ / __ `/ / | /| / / _ \/ / /| |  / /_____/ ___/ __ \/ __ `__ \     
 / /  / / /_/ / /| |/ |/ /  __/ / ___ |_/ /_____/ /__/ /_/ / / / / / /     
/_/  /_/\__,_/_/ |__/|__/\___/_/_/  |_/___/     \___/\____/_/ /_/ /_/      
    
    

Maiwei AI Lab - 迈微AI研习社

作者系迈微AI研习社创始人、CSDN博客专家，主要分享机器学习算法、计算机视觉等相关内容，每周研读顶会论文，持续关注前沿技术动态。公众号底部有菜单分类，关注我们，一起学习成长。

---

一种结合了代码、数据集和HTML的数字学习媒介

全面 前沿 免费 计算机视觉实战演练：算法与应用 📌 Computer Vision in Action 作者：张伟（Charmve） 在线阅读（内容实时更新） - 地址：~~https://charmve.github.io/computer-vision-in-action~~ (正在开发中。。。) 最新版PDF下载 - 地址：~~https://github.com/charmve/computer-vision-in-action/releases~~

全书组织

🏷️ fig_book_org

全书详细思维导图

本书详细介绍，请移步 序言

本开源项目代表了我们的一种尝试：我们将教给读者概念、背景知识和代码；我们将在同一个地方阐述剖析问题所需的批判性思维、解决问题所需的数学知识，以及实现解决方案所需的工程技能。

我们的目标是创建一个为实现以下目标的统一资源：

1. 所有人均可在网上免费获取；
2. 提供足够的技术深度，从而帮助读者实际成为计算机视觉应用科学家：既理解数学原理，又能够实现并不断改进方法；
3. 包含可运行的代码，为读者展示如何在实际中解决问题。这样不仅直接将数学公式对应成实际代码，而且可以修改代码、观察结果并及时获取经验；
4. 允许我们和整个社区不断快速迭代内容，从而紧跟仍在高速发展的计算机视觉领域；
5. 由包含有关技术细节问答的论坛作为补充，使大家可以相互答疑并交换经验。

目录

序言 主要符号表 绪论篇 第 0 章 计算机视觉概述 概述 计算机视觉基本概念 典型的计算机视觉任务 图像分类 目标识别与目标检测 实例分割与语义分割 3D 建模 发展历史回顾 小练习 小结 参考文献 理论篇 第 1 章 神经网络 1.1 Softmax 回归 1.2 反向传播算法 1.3 多层感知器 1.4 神经学观点 1.5 实战项目 1 - 手写字分类 小结 参考文献 第 2 章 卷积神经网络 2.1 从神经网络到卷积神经网络 2.1.1 定义 2.1.2 卷积神经网络的架构 2.2 卷积网络的层级结构 2.2.1 数据输入层 2.2.2 卷积计算层 (1) 卷积的计算 (2) 参数共享机制 2.2.3 非线性层（或激活层） 2.2.4 池化层 2.2.5 全连接层 2.3 卷积神经网络的几点说明 2.3.1 训练算法 2.3.2 优缺点 2.3.3 典型CNN 2.3.4 fine-tuning 2.3.5 常用框架 2.4 实战项目 2 - 动手搭建一个卷积神经网络 2.4.1 卷积神经网络的前向传播 2.4.2 卷积神经网络的反向传播 2.4.3 手写一个卷积神经网络 1. 定义一个卷积层 2. 构造一个激活函数 3. 定义一个类，保存卷积层的参数和梯度 4. 卷积层的前向传播 5. 卷积层的反向传播 6. MaxPooling层的训练 2.4.4 PaddlePaddle卷积神经网络源码解析 小结 参考文献 第 3 章 图像分类 3.1 数据驱动方法 3.2 k 最近邻算法 3.3 线性分类 3.4 逻辑回归 LR 3.5 实战项目 3 - 表情识别 3.6 实战项目 4 - 使用卷积神经网络对CIFAR10图片进行分类 小结 参考文献 第 4 章 递归神经网络 4.1 递归神经网络 RNN 4.2 循环神经网络的从零开始实现 4.3 循环神经网络的简洁实现 4.4 长短期记忆人工神经网络 LSTM 4.5 门控循环单元（GRU） 小结 参考文献 第 5 章 模型拟合与优化算法 5.1 优化与深度学习 5.2 梯度下降和随机梯度下降 5.3 小批量随机梯度下降 5.4 动量法 5.5 AdaGrad算法 5.6 RMSProp算法 5.7 AdaDelta算法 5.8 Adam算法 小结 参考文献 实战篇 第 6 章 深度学习环境搭建 6.1 PyTorch 6.2 OpenCV 6.3 Numpy 6.4 Pandas 6.5 深度学习环境搭建配置指南 小结 参考文献 第 7 章 经典卷积神经网络架构：原理与PyTorch实现 7.1 卷积神经网络（LeNet） 7.2 深度卷积神经网络（AlexNet） 7.3 使用重复元素的网络（VGG） 7.4 含并行连结的网络（GoogLeNet） 7.5 残差网络（ResNet） 7.6 二阶网络编码解码（U-Net） 7.7 稠密连接网络（DenseNet） 7.8 实例分割网络（SegNet） 7.9 Mask-RCNN 7.10 区域卷积神经网络（R-CNN） 7.11 全卷积网络（FCN） 7.12 实战Kaggle比赛：图像分类（CIFAR-10） 7.13 实战Kaggle比赛：狗的品种识别（ImageNet Dogs） 小结 参考文献 第 8 章 著名数据集及基准 8.1 数据集 ImageNet MNIST COCO CIFAR-10 8.2 基准 小结 参考文献 第 9 章 检测与分割实战项目 9.1 语义分割 9.1.1 语义分割 PyTorch 版 9.1.2 实战项目 6 9.2 目标检测 9.2.1 常用网络 9.2.2 实战项目 7 9.3 实例分割 9.3.1 常用网络 9.3.2 实战项目 8 实时高分辨率背景抠图 9.3.3 新方法：滑动窗口, PointRend, PolarMask 小结 参考文献 第 10 章 图像分类项目实战 10.1 手写字识别 10.2 文本检测 10.3 车道线检测 10.3.1 常用网络 10.3.2 实战项目 9 10.4 镜面检测 10.5 图像抠图 Matting 小结 参考文献 进阶篇 第 11 章 可视化和理解 11.1 表征可视化 11.2 对抗实例 11.3 DeepDream 和风格迁移 11.4 实战项目 10: PyTorch 如何使用TensorBoard 11.4.1 创建 TensorBoard 11.4.2 写入 TensorBoard 11.4.3 使用 TensorBoard 检查模型 11.4.4 向 TensorBoard 添加 "Projector" 11.4.5 使用 TensorBoard 跟踪模型训练 11.4.6 使用 TensorBoard 评估训练好的模型 小结 小结 参考文献 第 12 章 生成对抗模型 12.1 Pixel RNN/CNN 12.2 自编码器 Auto-encoder 12.3 生成对抗网络 GAN 12.3.1 原理 12.3.2 项目实战 StyleGAN StyleGAN 2.0 12.4 变分自编码器 Variational Auto-encoder, VAE 12.4.1 概述 12.4.2 基本原理 12.4.2.1 定义 12.4.2.2 理论基础：三要素 12.4.2.3 推导过程 12.4.3 VAE v.s. AE 区别与联系 12.4.4 变分自编码器的代码实现 12.4.5 卷积变分自编码器的实现与简单应用 小结 参考文献 参考文献 第 13 章 深度增强学习 13.1 方法梯度，硬性关注 13.2 Q - 学习，评价器 小结 参考文献 第 14 章 视频理解 14.1 概述 14.2 行为理解 14.3 主流方法 小结 参考文献 第 15 章 迁移学习 15.1 概述 15.1.1 背景 15.1.2 定义及分类 15.1.3 关键点 15.2 基于实例的迁移 15.3 基于特征的迁移 15.4 基于共享参数的迁移 15.5 深度学习和迁移学习结合 15.7 实战项目 11 - 蚂蚁和蜜蜂的分类问题 15.7.1 迁移学习在计算机视觉领域的应用 15.7.2 实战项目: 蚂蚁和蜜蜂的分类问题 小结 参考文献 第 16 章 计算机视觉中的注意力机制 Attention is All You Need 16.1 概述 16.2 Attention with RNNs 16.3 Self-attention 自注意力 16.4 软注意力（soft-attention） 16.4.1 空间域注意力 16.4.2 通道注意力 16.4.3 Positional encoding 16.4.4 混合域模型 16.4.5 Masked attention 16.4.6 Multi-head attention 16.5 强注意力（hard attention） 16.6 Attention九层塔 - 注意力机制的九重理解 小结 参考文献 第 17 章 跨界模型 Transformer 17.1 思想和框图 17.2 实现细节 17.2.1 Encoder 17.2.2 Decoder 17.2.3 Self-Attention 17.2.4 Multi-Headed Attention 17.2.5 Positional Encoding 17.3 应用任务和结果 17.3.1 NLP领域 17.3.2 CV领域 17.3.2.1 检测DETR 17.3.2.2 分类ViT 17.3.2.3 分割SETR 17.3.2.4 Deformable-DETR 17.4 优点及分析 17.5 缺点及分析 实战项目 12 - 基于transformer的视频实例分割网络VisTR (CVPR2021) 小结 参考文献 第 18 章 知识蒸馏 18.1 概要 18.2 KD主要方法 18.2.1 Logits(Response)-based Knowledge 18.2.2 Feature-based Knowledge 18.2.3 Relation-based Knowledge 18.3 知识蒸馏的应用 NLP-BERT 18.4 常见疑问解答 实战项目 13 - 支付宝CVPR细粒度视觉分类挑战赛夺冠方案解读 小结 参考文献 第 19 章 Normalization 模型 19.1 从Mini-Batch SGD说起 19.2 Normalization到底是在做什么 19.3 Batch Normalization如何做 19.3.1 前向神经网络中的BN 19.3.2 CNN网络中的BN 19.3.3 Batch Norm的四大罪状 19.4 Layer Normalization、Instance Normalization及Group Normalization 19.4.1 Layer Normalization 19.4.2 Instance Normalization 19.4.3 Group Normalization 19.4.4 用一个故事来总结 19.5 Normalization操作的Re-Scaling不变性 19.6 Batch Normalization为何有效 小结 参考文献 第 20 章 模型压缩与裁剪 20.1 概述 20.2 模型压缩 20.2.1 线性或非线性量化（1990~2014 - 至今） 20.2.2 结构或非结构剪枝（1989~2014 - 至今 20.2.3 网络结构搜索（2016 - 至今） 20.2.4 权重矩阵的低秩分解（） 20.2.5 知识蒸馏（2014-至今） 20.3 模型优化加速 20.3.1 Op-Level 的快速算法 20.3.2 Layer0-level 的快速算法 20.3.3 硬件计算单元优化算法 CPU、GPU和NPU ASIC 和 FPGA PIM（NDP） 20.4 优化工具与库 20.4.1 TensorRT Nvidia) 20.4.2 TVM (Tensor Virtual Machine) 20.4.3 Tensor Comprehension (Facebook) 20.4.4 Distiller (Intel) 小结 参考文献 附录 A 矩阵 B 常用激活函数总结 C 梯度下降法 后记 参考文献 - 更新中 ...

如何食用

1. Install

pip3 install -r requirements.txt

2. Set up

python3 setup.py

3. 按书中内容先后顺序逐章阅读，或者选取特定章节祥读 📁 docs/ ¹，动手实践章节代码，在代码文件 📁 code/ ² 下找到对应代码，本地测试或者Colab 📁 notebooks/ ³ 在线测试。

🔍 Browse Folders

• 📁 code/ - 书中完整代码
• 📁 datasets/ - 本书所用数据集
  • 📁 images/ - 经典图像处理图片
• 📁 docs/ - 全书按照一下几个篇目进行编写
  • 📁 0_绪论/ - 全书绪论
  • 📁 1_理论篇/ - 基本理论和算法基础
  • 📁 2_实战篇/ - 项目实战教程
  • 📁 3_进阶篇/ - 最新CV模型和算法
  • 📁 附件/ - 所需数学和统计学知识
• 📁 L0CV/ - 专为本项目建立的 L0CV 包
• 📁 notebooks/ - 全书重要模型的Colab notebook，可在线测试
  • 📄 01_Notebooks.ipynb - Notebooks 基本介绍和使用
  • 📄 02_Python.ipynb - Python 编程简明教程
  • 📄 03_NumPy.ipynb - NumPy 的使用
  • 📄 04_Pandas.ipynb - Pandas 的使用
  • 📄 05_PyTorch.ipynb - PyTorch 的使用
  • 📄 06_Linear_Regression.ipynb - 线性回归
  • ...
  • 📄 16_CVAE.ipynb - 卷积变分自编码器
  • 📄 17_TL-ants-bees-classification.ipynb - 迁移学习的应用：蚂蚁和蜜蜂的分类问题
• 📁 res/ - ui 图片
• 📄 README.md - 全书介绍及目录

致谢

     

参考文献

--> Go to see REFERENCE.md,   感谢前人的杰出工作，我才得以写出此书。

关注我们

扫描下方二维码，然后回复关键词“计算机视觉实战教程”，即可加入“读者交流群”

• 若本书里没有你想要理论和实战项目，或者你发现本书哪个地方有错误，请毫不犹豫地去本仓库的 Issues（ 地址 https://github.com/charmve/computer-vision-in-action/issues ）进行反馈，在对应版块提交你希望补充的内容或者勘误信息，作者通常会在 24 小时以内给您回复，超过 24 小时未回复的话可以邮件联系我（微信 MaiweiE_com）；
• 同时，我也欢迎大家加入本项目的建设中来，欢迎 pull request！

LICENSE

本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。

CONTRIBUTION

作者会尽最大努力来确保书中内容的准确性，但难免会存在疏漏与不妥之处。欢迎您将发现的问题反馈给我们，帮助提升本开放资源的质量。

Help us make these docs great! All VC-action docs are open source. See something that's wrong or unclear? Submit a pull request. Make a contribution Or, learn how to contribute. Still need help? Ask our community Contact support

Stargazers Over Time

Feel free to ask any questions, open a PR if you feel something can be done differently!

🌟Star this repository🌟

Created by Charmve & maiwei.ai Community | Deployed on GitBook

* Update on Apr 29，2021 @Charmve, Star and Fork