计算机视觉简介
从像素与几何出发，学习分类、检测、分割、跟踪和视觉语言模型。
本分类共 6 个章节、24 个知识点。展开左侧章节，或从下方目录选择一篇文章开始阅读。
学习路线
先理解图像表示、坐标和滤波，再学习视觉网络；沿分类、检测、分割、跟踪逐步建立任务模型，最后连接自监督表征和多模态。评估时同时关注数据划分、误检漏检、遮挡与场景变化。
图像与几何基础
从像素、采样和坐标变换出发，理解图像如何形成，以及二维观测能够约束哪些三维信息。
传统视觉
用滤波、形态学、局部特征和鲁棒估计构建可解释的视觉基线，并明确光照、纹理和几何假设。
视觉网络与分类
连接卷积网络、视觉 Transformer、迁移学习和分类评测，理解输入、结构、训练与泛化之间的关系。
目标检测与分割
从边界框与像素掩码理解定位任务，连接检测结构、后处理、匹配规则和分层评测。
多目标跟踪与视频
把单帧检测扩展到运动估计、跨帧关联与时序理解，区分位置精度、身份稳定性和时间覆盖。
视觉表征与多模态
从自监督表示走向图文对齐、视觉语言模型和提示分割，理解语义相似、空间定位与可验证证据的区别。