卷积与计算机视觉概述

序言

计算机视觉，或者说基于深度学习的计算机视觉模型在最近获得了蓬勃的发展，论文数量不断创下新高，各种新方法，新结构层出不穷，而这一切，都来自于2012年某位叫做Alex的人在ImageNet大赛上展现出了卷积神经网络的无穷潜力。

卷积神经网络的故事从1989年开始，Yann LeCun创造了卷积网络并将它用到了识别手写数字上面，在这之后，改进卷积网络的方法不少也用到了改进其它神经网络上面，其中最著名的莫过于Kaiming He提出的残差连接，利用跳连解决了一个大问题(吹捧Kaiming大佬ing)，而后不论是各种卷积网络，还是纯MLP或Transformer类模型，残差连接都成为了不可缺少的一个组成部分。

本教程从最基本的卷积网络开始，一共分为三个部分编写

1. 上游任务和骨干网：这一部分讲述各种Backbone(骨干网)的设计，主要集中在怎么改进一个最基本的卷积网络，这些网络都用在了图像分类上面，大多数是在ImageNet上比谁精度高。
2. 下游任务：包括目标检测，姿态估计，图像分割等等。
3. 前沿：这一部分是目前最新提出的各种网络架构，但这些架构还没有经过时间的检验，所以放在了“前沿”这一板块，当然，随着时间的推移，这里面的东西可能会移动到前面两个部分去。

笔者假设读者已经具备了基本的深度学习知识，但缺少对比较前沿的神经网络的学习，可以通过这个教程认识各种被魔改的卷积网络。笔者也假设读者有一定的Python编程基础，熟悉PyTorch框架，计算图和自动微分机制。对于基础课，仅要求掌握工科三大数学，即高等数学，线性代数和概率论。

对于学习资源，每个深度学习的学习者都应该知道arXiv网站(www.arxiv.org)，这上面几乎有所有的关于深度学习论文的预印本可以免费下载，读者应该具备足够的英文能力去阅读这些文献。