从成像、采样、颜色、坐标、线性代数、概率和指标建立视觉证据链。
7 讲推导针孔投影、齐次坐标、内外参、畸变、标定和误差传播。
7 讲掌握卷积、可分离滤波、梯度、尺度空间、傅里叶、复原和形态学。
7 讲从角点和描述子走到比率检验、RANSAC、单应、拼接和检索。
7 讲贯通极线、本质矩阵、三角化、PnP、束调整、立体视觉和SfM。
7 讲覆盖光流约束、金字塔、关联、背景、时序滤波和动作识别。
7 讲用词袋、线性模型、SVM、校准、聚类和域偏差建立基线。
7 讲推导卷积、感受野、反向传播、归一化、残差、增强与迁移优化。
7 讲从softmax和长尾学习走到框、IoU、NMS、锚框、检测器和mAP。
7 讲处理像素损失、编码器—解码器、实例、全景、弱监督和边界部署。
7 讲连接单目/RGB-D深度、点云、ICP、表面、神经场和定位建图。
7 讲学习注意力、对比表示、视觉语言、生成扩散、鲁棒和工具系统。
7 讲建立校准拒识、公平、隐私、解释、数据版本、端侧性能和更新门禁。
7 讲交付任务、成像、数据、模型、几何、鲁棒、安全、部署和答辩证据。
7 讲