第1章  概述：深度学习让计算机“看懂”图像

第2章 环境：安装Anaconda、PyTorch、Jupyter

第3-4章 数据：用Dataset和DataLoader加载图像

第5章 CNN（卷积神经网络）：卷积/池化/批归一化提取图像特征

第6章 训练：损失函数 + 优化器 + 反向传播，让模型学习

第7章 分类：整图输出一个标签，回答“这是什么？”（猫/狗）

第8章 检测：画边界框 + 告诉类别，回答“东西在哪？”（YOLO为代表）

第9章 分割：像素级分类，抠出精确轮廓，回答“每个像素是什么？”

输入一张图片：

• 第7章 分类 → 输出：一个标签，例如“猫”

• 第8章 检测 → 输出：多个框 + 类别，例如“猫 位于 [100,200,50,60]”

• 第9章 分割 → 输出：每个像素的类别，猫的轮廓被精确标出

分类知道“有猫”，检测知道“猫在哪”，分割知道“猫长什么样”。

• 表情识别 则是（分类+检测识别）

第10章 人脸识别：检测人脸 → 提取特征 → 比对身份，回答“这是谁？”

第11章 生成模型：GAN/VAE生成新图像，回答“能创造吗？”

目录

引

图像增广 (Image Augmentation)

微调 (Fine-Tuning)

目标检测。 锚框 (Anchor) 与 边界框 (Bounding Box)

NumPy

引

       1. 先学OpenCV - 图像数据增强、预处理 import cv2 >

                 # 学习：读取图像、颜色空间、滤波、边缘检测 > >

       2. 再学PyTorch基础 - 模型训练、调优 深度学习 import torch

                 # 学习：张量操作、自动微分、简单网络 > >

       3. 最后结合使用 > # OpenCV处理 + PyTorch深度学习

【通用深度学习技术】
├── 数据层面：图像增广 (翻转、旋转、裁剪、亮/对比度/噪声调整。（防止过拟合)
└── 模型层面：微调/迁移学习 (用于分类、检测、分割等任何任务)

【特定任务：目标检测】
├── 核心概念1：边界框 (Bounding Box) - 描述“物体在哪”
├── 核心概念2：交并比 (IoU) - 边框重叠程度
└── 核心机制：锚框 (Anchor Box) - 一种“猜测物体位置”的高效方法

图像增广 (Image Augmentation)

翻转、旋转、裁剪、亮度/对比度调整、添加噪声。（防止过拟合、模拟现实场景变化）

微调 (Fine-Tuning)

“站在巨人的肩膀上”，利用已训练好的模型。当你的数据集较小，但有一个在大数据集上预训练好的模型时。
流程：下载预训练模型 -> 替换最后一层（分类头）-> 选择冻结哪些层 -> 用你的数据训练

目标检测。 锚框 (Anchor) 与 边界框 (Bounding Box)

模型的任务就是 “调整最接近的锚框，使其匹配真实的边界框”

交并比

NumPy

数组来存储和处理图像

一维数组：线

[100, 150, 200, 180, 120]
可以理解为一条线上的像素（比如一行图像）

二维数组：面

[[100, 150, 200],
 [180, 120, 90],
 [60, 80, 110]]
可以理解为一个平面上的像素：
    行号 = 图像的 y 坐标（高度）
    列号 = 图像的 x 坐标（宽度）
    每个数值 = 该点的亮度/颜色
数值矩阵：                对应的图像（灰度）：
[100, 150, 200]    →    ■   ■   ■  （越大的数越亮）
[180, 120,  90]    →    ■   ■   ■
[ 60,  80, 110]    →    ■   ■   ■

三维数组：立体/彩色

[
  [R通道],    → 红色亮度矩阵
  [G通道],    → 绿色亮度矩阵  
  [B通道]     → 蓝色亮度矩阵
]
可以理解为多个平面叠在一起，每个平面对应一个颜色通道。

np.array(list)	从 Python 列表创建数组	将图像数据转换为可处理的数组格式
np.zeros(shape)	创建全0数组	生成黑色图像、初始化掩码
np.ones(shape)	创建全1数组	生成白色图像、初始化卷积核
np.arange(start, stop, step)	创建等差数列      (步长 公差d)	生成坐标序列、遍历像素
np.linspace(start, stop, num)	创建等间隔数列（点个数）	生成渐变色、采样点

np.arange(start, stop, step)      用途：从 start 开始，每次增加 step，直到不超过 stop

np.linspace(start, stop, num) 用途：从 start 到 stop 生成 num 个均匀间隔的点