1、简介

视觉小白，针对视觉基础进行回顾，记录下个人学习过程，希望帮助刚入圈的小白有一定学习思路的帮助。从基础分类网络入手，针对目标检测常用的骨干网络进行讲解，便于后续轻量化目标检测的搭建。

2、计算机视觉介绍

计算机视觉主要分为目标分类、目标检测、目标分割三部分。

目标分类：对一个目标进行识别。

目标检测：对不同目标进行识别（例如动物园中不同动物进行识别）。

目标分割：对同一目标，不同类别进行识别（例如班级同学分别识别出来）

3、卷积神经网络

基础卷积神经网络主要由全连接层、卷积层、池化层三部分组成。

3.1全连接层：

由许多神经元构成，通过激励、权重、求和、偏置进行输出，如下图所示：

计算公式为：Y = f(X1*W1+X2*W2+X3*W3-1)

典型全连接层：BP神经网络如下所示：

流程为：

1.首先神经元按列进行排序

2.接着每列神经元进行全连接

3.正向输出与期望值比对，得到误差值

4.最后对节点求偏导，得到误差梯度，实现反向应用至损失梯度，实现反向传播。

3.2卷积层

卷积目的：主要是对图像进行特征提取。

具有局部感知机制、权值共享两种特性目的是为了减少参数数量，使得运算变得简洁、高效，实现大规模数据集进行运算。下面通过三维图像卷积过程进行讲解。

输入特征矩阵如下所示：

输入几维图像就会对应有几个分量，卷积核深度=分量个数，如下所示：

输出特征矩阵个数=卷积核个数，如下所示：

卷积核在输入特征矩阵上按步长进行滑动计算，初始计算如下所示：

卷积计算公式：N = （W-F+2P）/S+1

W：输入图片大小

F：滑动框大小

P：像素

S：步长

在卷积过程中，通常会使用激活函数，目的为：增加神经网络模型的非线性。

卷积方式与BP方式进行特征提取参数比较如下所示：

对于一个1280X720的图片，假设神经元个数为1000，参数为:1280X720X1000 = 9211600000。

对于一个1280X720的图片，假设有1000个5X5X卷积核，参数为：5X5X1000 = 25000。

3.3 池化层

池化层又叫下采样层，目的是对特征图进行稀疏处理，减少运算量，具有如下特点：

1.没有训练参数

2.只改变特征矩阵的高、宽，不改变深度

通常有最大池化层、平均池化层两种方式，方式如下图所示：

上文如有错误，恳请各位大佬指正。