学习图像识别处理，想在数据分析竞赛中取得较高的排名，看了《深度学习技术图像处理入门》电子书，一边看电子书一边做标记，对配套的代码也做了测试，收获颇多。
从机器学习、图像处理的基本概念入手，逐步阐述深度学习图像处理技术的基本原理以及简单的实现。
学习理论后做实验，使用卷积神经网络进行端到端学习，构建深度卷积神经网络，使用循环神经网络改进模型，评估模型，测试模型。最关键的是可以将模型运用于实战之中，将深度学习模型导入到工程中，数据类型转换函数，实施CAM可视化，这是我最需要的。
视觉和图形学真是一家，基础都一样！
正在看《视觉SLAM十四讲》电子书，代码很清晰！Particle Filtering，KF,EKF, Batch Optimization, Lie Group，ICP。IMU-SLAM和Semantic SLAM是AR的未来。
VO 关心的是相邻图像间的运动关系（图像特征提取与匹配）。后端主要是去噪（滤波和非线性优化）。回环检测主要解决随时间漂移问题（记忆）。Mapping 是构建地图（度量地图，拓扑地图）。
现在两本电子书同时看，做笔记，调试代码，学习图像处理、cv计算机视觉中常用的一些算法，这些方法有的简单，有的虽然比较复杂点，但是非常实用，一方面可以学会应用，另一方面可以写论文也有用。
整理收集的图像识别、计算机视觉方面的学习电子资料供大家可以学习参考:
https://www.yuque.com/baibinng/ctyewg/lyrsyg
学习积累，实战训练，每天都在进步！
原文地址：https://www.cnblogs.com/zhoulong2/p/12231692.html
时间： 2024-10-19 22:29:15