本文梳理一下计算机领域的知识体系，体系中知识点的选取有很强的个人色彩。本文把计算机视觉的内容概括为以下几个方面：
- 图像处理
- 传统计算机视觉
- 深度学习
- 编程语言Python
- 深度而学习框架PyTorch
----------------------------------------------------------------------------------------------------------
图像处理（建议使用冈萨雷斯的《数字图像处理》学习相关知识）
数字摄像过程
图像灰度变换
图像反转
幂次变换，如gamma变换
分段线性变换
直方图
直方图和累积直方图
直方图均衡
直方图匹配
空间域图像增强
图像平滑
图像锐化：拉普拉斯算子
中值滤波
双边滤波
频率域图像增强
低通滤波
高通滤波
频率域锐化
同态滤波器
图像复原，如去噪
噪声模型
噪声参数的估计
去噪：均值滤波，中值滤波
估计退化函数
彩色图像处理
彩色模型
伪彩色
彩色变换
小波变换和多分辨率处理
图像金字塔
小波变换
图像压缩与编码
形态学处理
膨胀与腐蚀
边界提取
孔洞填充
图像分割
边缘检测：sobel算子等
Hough变换
阈值分割
区域分割
----------------------------------------------------------------------------------------------------------
传统计算机视觉（可参考《计算机视觉：一种现代方法》等书）
特征点检测：Harris, SIFT, SURF, ORB
特征提取：PCA
相机标定
运动估计：光流法等
待补全并组成体系......
----------------------------------------------------------------------------------------------------------
深度学习
反向传播算法
激活函数：Sigmoid, tanh, ReLu, LeakyReLu, Parameter ReLu, Random ReLu
损失函数
防止过拟合技术
dropout
Batch Normalization
L1 regularization
L2 regularization
数据增强
提前停止训练
卷积神经网络基础
LeNet
AlexNet
paper
实例
VGGNet
paper
实例1:
实例2
GoogLeNet
ResNet
RCNN
SPPNet
Fast-RCNN
Faster-RCNN
----------------------------------------------------------------------------------------------------------
编程语言Python
numpy
matplotlib
OpenCV
pandas
----------------------------------------------------------------------------------------------------
一个框架PyTorch
PyTorch基础
PyTorch tutorial
pytorch的实例
pytorch的可视化TensorBoard