跳到主要内容

计算机视觉知识体系概览

为什么要学计算机视觉​

计算机视觉（CV）是 AI 三大核心领域之一（NLP、CV、Speech）。随着多模态大模型的出现，CV 与 NLP 深度融合，理解 CV 基础对于构建多模态 AI 应用至关重要。

知识体系​

学习路径​

阶段主题文档
入门图像分类图像分类
进阶目标检测目标检测
进阶图像分割图像分割
进阶图像生成图像生成
高级多模态模型多模态视觉模型
高级OCROCR 文字识别
面试重点

AI 面试中 CV 常考：

  1. CNN 经典架构演进（ResNet、ViT）
  2. 目标检测算法（YOLO 系列）
  3. 图像生成（Diffusion 原理）
  4. 多模态模型（CLIP、GPT-4V/4o）