计算机视觉（CV方向）算法基础

秋招临时抱佛脚之作。大纲由GPT提供，内容由博主整理，每日边学边更新，直到拿到满意的offer为止。

1. 基础模型与架构

LeNet、AlexNet、VGG（经典卷积网络演变） ★★★★☆

ResNet、DenseNet（残差结构与梯度流） ★★★★★

MobileNet、ShuffleNet（轻量化网络） ★★★★☆

EfficientNet（复合缩放理念） ★★★★★

Vision Transformer（ViT、Swin Transformer） ★★★★★

ConvNeXt、MaxViT（CNN+ViT融合架构） ★★★★☆

2. 核心视觉任务

图像分类流程：timm 框架、预训练/微调 ★★★★★

目标检测：YOLO 系列、Faster R-CNN、RetinaNet ★★★★★

实例/语义分割：UNet、Mask R-CNN、DeepLab v3 ★★★★★

关键点检测与姿态估计（OpenPose、HRNet） ★★★☆☆

图像生成与修复：GAN、Diffusion Model ★★★☆☆

3. 自监督与增强方法

数据增强：Mixup、CutMix、RandAugment、Mosaic ★★★★★

自监督预训练：SimCLR、BYOL、MAE、DINO ★★★★☆

Contrastive Learning 与表征学习 ★★★★☆

半监督与伪标签方法 ★★★☆☆

4. 评价指标与实用技巧

IoU、mAP、Dice、F1-score、Top-K Accuracy ★★★★★

FPN（特征金字塔）与多尺度特征融合 ★★★★☆

Anchor-free 检测思想（CenterNet、YOLOX） ★★★★☆

NMS 与 Soft-NMS、DIoU-NMS ★★★☆☆

部署优化：量化、剪枝、蒸馏在检测/分割中的应用 ★★★☆☆