基于计算机视觉进行图像分类——学习资料记录

一、深度学习背景：

1. 《Reducing the Dimensionality of Data with Neural Networks 》
   06年，hinton拉开了深度学习的序幕。
   原文pdf

2. 《deep learning》翻译：
   三大巨头联合写的深度学习综述。

3. 深度学习与计算机视觉,解释清晰
   备用学习网址

4. 权值共享的简单理解与原因
   解释：整张图片在使用同一个卷积核内的参数
   原因：
   1.减少参数量（全部连接等同于直接输入所有像素值）。
   2.利用了图片空间上的局部相关性。

5. 卷积操作理解

二、迁移学习背景：

三、xception网络学习

【论文地址】
学习：

1. 理解各种CNN框架以及imagenet介绍
2. 从Inception v1,v2,v3,v4,RexNeXt到Xception再到MobileNets,ShuffleNet,MobileNetV2
3. Inception V2----BN操作解释
4. 1*1卷积核理解
5. xception论文——深度可分离卷积图 很容易理解

四、机器学习CODE

学习：
PIL库的image使用方法
python图像增强摘要：灰度直方图、线性变换、直方图正规化、伽马变换、全局直方图均衡化、限制对比度的自适应直方图均衡化
Opencv和PIL.Image读取图片的区别

1.LBP纹理特征提取

1. python实现LBP方法提取图像纹理特征实现分类
2. Python + OpenCV 实现LBP特征提取
3. 图像分块处理

2.轮廓特征提取

1. Python+OpenCV教程14：轮廓特征
   摘要：学习计算轮廓特征，如面积、周长、最小外接矩形等。

2. opencv多边形拟合曲线approxPolyDP()函数

3. 使用matlab轮廓提取

4. 图像轮廓特征
   摘要： 图像的矩 、 轮廓面积 、轮廓周长 、 轮廓近似

5. opencv教程（基于python）----图象的特征与提取
   摘要：目标追踪目标分割的时候，找易于被追踪比较的特征。harris角点检测、亚像素级精确度的角点

6. 轮廓边缘特征提取
   摘要：轮廓属性、纵横比、extent…

3. 图像预处理

1. [OpenCV-Python] OpenCV 图像处理 (一)
   摘要：类型转换、阈值解释

2. [OpenCV-Python] OpenCV图像处理 (二)
   摘要：图像平滑、形态学变换（膨胀、腐蚀）

3. [OpenCV-Python] OpenCV 图像处理 (三)
   摘要：了解 Canny 边缘检测的概念

4. [OpenCV-Python] OpenCV 图像处理(四)
   摘要：OpenCV 中的轮廓、轮廓性质及代码

5. [OpenCV-Python] OpenCV 图像处理(五)
   摘要：直方图绘制、均衡化、2D直方图、

6. [OpenCV-Python] OpenCV 图像处理(六)
   摘要：图像变换——傅里叶变换、Hough 直线变换、分水岭算法图像分割、使用 GrabCut 算法进行交互式前景提取

7. 理解图像特征1
   摘要：Harris 角点检测、 亚像素级精确度的角点、Shi-Tomasi 角点检测 & 适合于跟踪的图像特征、SIFT(Scale-Invariant Feature Trans-form)、 SURF(Speeded-Up Robust Features)

8. 图像特征与理解2
   摘要：角点检测的 FAST 算法、FAST 特征检测器、BRIEF 算法的基础、ORB 算法的基础、特征匹配、使用特征匹配和单应性查找对象

4.机器学习基础

1. 机器学习基础
   github原文地址

2. List item

五、keras

1. keras基础
   摘要：Sequential模型、输入数据shape、编译、训练
2. Keras保存model文件和载入model文件