计算机视觉知识图谱：从基础到进阶的全面指南

# 计算机视觉
  - 核心目标
    - 通过算法实现结果
      - 问题定义
      - 数据采集
      - 算法选型
      - 训练调优
      - 部署落地
    - 数据驱动解决问题
      - 数据质量
        - 重要性
        - 数据清洗
      - 模型复杂度
      - 端到端学习范式
  - 基础数学与编程
    - 线性代数
      - 矩阵运算
        - 卷积核计算
      - 张量操作
        - RGB图像处理
    - 概率统计
      - 基本概念
      - 概率分布
    - Python编程
      - OpenCV基础API
      - PyTorch张量操作
      - NumPy基础
    - 深度学习
      - 梯度下降实现
      - 反向传播推导
      - 损失函数
  - 核心概念
    - 图像处理
      - 颜色空间转换
        - RGB → HSV
        - HSV → YUV
      - 形态学操作
        - 腐蚀与膨胀
        - 边缘检测
    - 特征工程
      - 传统方法
        - SIFT关键点
        - SURF特征
        - HOG特征
      - 深度方法
        - CNN特征提取
        - 特征图可视化
    - 模型架构
      - CNN架构演变
        - LeNet
        - ResNet
        - Inception
        - ViT
      - 轻量级模型
        - MobileNet
        - EfficientNet
    - 评估指标
      - mAP（目标检测）
      - IoU（语义分割）
      - 精确率与召回率
  - 工具与框架
    - 开发工具
      - PyCharm
      - VSCode
      - Jupyter Notebook
      - Git/GitHub
    - 核心框架
      - OpenCV
        - 实时处理
        - 计算机视觉算法
      - PyTorch
        - 深度学习研究
        - 模型训练
        - TensorBoard可视化
      - TensorRT
        - 生产部署
        - 性能优化
    - 数据集
      - COCO
        - 通用检测
        - 物体分割
      - Cityscapes
        - 街景分割
      - ImageNet
        - 图像分类
  - 进阶方向
    - 三维视觉
      - 点云处理
        - PCL库
        - 三维重建
      - SLAM系统
        - 基本概念
        - 应用实例
    - 视频分析
      - 光流法
        - 块匹配
        - 像素光流
      - 行为识别
        - 动作识别
        - 视频分类
    - 生成模型
      - GAN生成对抗网络
        - 基本原理
        - 应用领域
      - NeRF神经辐射场
        - 3D重建
        - 视图合成
    - 边缘部署
      - TensorFlow Lite
        - 移动设备
        - 嵌入式系统
      - ONNX Runtime
        - 多平台支持
  - 学习路径
    - 学习顺序
      - 1. OpenCV基础操作
      - 2. 深度学习基础
      - 3. Kaggle图像分类
      - 4. 移动端部署
    - 项目推荐
      - 实时口罩检测系统
      - 车道线识别
      - 风格迁移APP
      - 人脸识别系统