第五章:计算机视觉编队


第五章 · 计算机视觉编队

本章要回答的核心问题:图像在模型眼里是什么形状的数据?经典卷积架构靠什么一步接一步变强?检测与分割的指标到底怎么算才不被自己骗?像素阵地开战前,先把作战计划摆上桌面。

为什么会有这一章

视觉理论题的核心矛盾是"连续像素对离散判断"。一张图是数以十万计的连续数值,模型却要从中得出"有没有行人"这类离散结论,中间的压缩管线(卷积、池化、架构设计)决定了信息怎么被浓缩。更麻烦的是,视觉考点的数值密度全册最高:张量形状、特征图尺寸、参数量、IoU、mAP,全是能精确验算的硬数字——背结论没有生存空间,考官随手改个卷积核尺寸答案就全变。本编队的每道关卡都配了可复算的验算代码,把"算得出"作为通关标准。

本章三关按"表示 → 架构 → 任务"推进:先解决图像到张量的翻译与单层卷积的账目,再把层与层串成经典架构的演化史,最后攻下检测与分割的任务形态与度量指标。第三章的卷积结构辨析在本编队全程参战;第四章的注意力骨干在收官处回收。

读完能解决什么

  • 报出任意配置下卷积层的输出尺寸与参数量,误差为零;
  • 说清经典架构的代际突破:小卷积核堆叠的等价换算、残差连接的梯度作用;
  • 给出两个框坐标立刻算出 IoU,给出检出清单手工推出 AP;
  • 辨析两阶段与一阶段检测的取舍逻辑,以及分割任务的输出形态;
  • 理解视觉 Transformer 与卷积路线的关系,不被"注意力统一视觉"的口号绕晕。

各节怎么分工

节号 回答哪个问题 关键产出
第一节 图像表示与经典网络关卡 图像怎么变数字、单层卷积怎么算 张量形状账本 + 输出尺寸公式逐层推演
第二节 经典CNN架构演化关卡 架构凭什么代代变强 参数量对比表 + 残差梯度小实验
第三节 目标检测与分割指标关卡 定位与度量怎么算 IoU 与 AP 手算全流程 + 路线取舍决策

本章关卡地图

本章关卡地图

从像素到决策的演进全景

虚线是本编队最值得记住的汇合点:视觉骨干与语言模型共用注意力这套积木,两个阵地在架构层已经打通。读题时先判断考点落在链条哪一环——表示环节考数值,架构环节考设计动机,任务环节考度量口径,答案的组织方式完全不同。

本章可考核知识点清单

知识点 达标线 对应关卡
图像张量形状与存储量 口算高宽通道三阶张量的数值个数 首关
卷积输出尺寸公式 给定步幅填充立刻报出尺寸 首关
参数共享与感受野 说清省参数的机制与视野叠加规则 首关
小卷积核堆叠换算 两层三乘三对一层五乘五的感受野与参数对比 次关
残差连接的作用 用梯度直通项解释深层退化被缓解 次关
IoU 计算 两框坐标手算交并比 末关
mAP 统计口径 按类算 AP 再平均,说清置信度排序的作用 末关
两阶段对一阶段取舍 精度速度权衡与候选区域机制 末关

先决条件

  • 第三章的卷积结构辨析与感受野叠加(首关的尺寸公式直接复用);
  • 第三章的反向传播直觉(次关的残差梯度实验需要它);
  • 第四章的注意力机制(末关谈视觉 Transformer 时回收);
  • 不需要任何图像处理库经验:全部验算用纯 Python 列表与整数完成。

往下走到哪

本章练出的卷积账本与度量能力是视觉阵地的通用装备:末关的检测骨干在第六编队被再次征用——深度强化学习让智能体用卷积网络直接读游戏画面做决策,视觉在这里从"判断题"变成"感知前哨"。像素阵地拿下后,全册只剩决策与前沿的最后一块地图。

作者与出处
原作者:灏天文库
来源:平台策划编纂
整理人: 灏天文库整理
由灏天文库平台收录,内容或由平台用户上传,仅供学习交流
发布者: 作者: 灏天文库 转发
评论区 (0)
U