本文件汇总所有CV相关资源的链接，包括课程、论文、数据集、工具等。

核心思想: 找到最大间隔超平面核函数:1.3 K-Means 与 图像量化特征量化: K-Means构建视觉词典 (Bag-of-Visual-Words)1.4 PCA (主成分分析) ⭐本质: 找到数据方差最大的方向（特征向量）1.5 Bag of Visual Words (BoVW)流程: 图像 → 特征提取(SIFT) → 词典构建(K-Means) → 量化 → 直方图 → SVM分类

输入: 图像 I ∈ ℝ^{H×W×C}输出: 物体包围框 B = {bbox₁, …, bboxₙ}，每个 bbox = (x, y, w, h, class, confidence)

RadImageNet 是 CT/MRI/超声的多模态预训练数据集（超过 130 万张影像），使用 ResNet-50/152 和 EfficientNet 在 4 万+ 医学概念上预训练。医学标注存在显著 inter-rater variability（阅片者间差异），有时专家之间标注的 Dice 仅为 0.7-0.8。医学分割数据标注成本是通用的 10-100 倍（需要有资质的医生），导致数据

RadImageNet 是 CT/MRI/超声的多模态预训练数据集（超过 130 万张影像），使用 ResNet-50/152 和 EfficientNet 在 4 万+ 医学概念上预训练。医学标注存在显著 inter-rater variability（阅片者间差异），有时专家之间标注的 Dice 仅为 0.7-0.8。医学分割数据标注成本是通用的 10-100 倍（需要有资质的医生），导致数据

设AAA为二值图像中的像素集合，BBB为结构元素。腐蚀A⊖Bz∣Bz⊆AA⊖Bz∣Bz​⊆A// 结构元素完全包含在A中的所有中心点膨胀A⊕Bz∣Bz∩A≠∅A⊕Bz∣Bz​∩A∅// 结构元素（取反射后）在A中有交集的所有中心点开运算A∘BA⊖B⊕BA∘BA⊖B⊕B// 先腐蚀后膨胀：去除小凸起、断开细连接闭运算A∙BA⊕B⊖BA∙BA⊕B⊖B。

本文件汇总所有CV相关资源的链接，包括课程、论文、数据集、工具等。

一张灰度图像可表示为矩阵 A∈Rm×nA \in \mathbb{R}^{m \times n}A∈Rm×n，每个元素 aija_{ij}aij​ 为像素灰度值（0-255）。SVD分解：A=UΣVTA = U \Sigma V^TA=UΣVT秩k近似：取前k个最大奇异值及其对应奇异向量Ak=∑i=1kσiuiviT=UkΣkVkTA_k = \sum_{i=1}^{k} \sigma_i u_i

方向热度 (2024-2026)核心突破代表工作视觉语言模型（VLM）🔥🔥🔥🔥🔥视觉编码器+LLM端到端协同🔥🔥🔥🔥🔥3DGS 实时渲染+编辑端到端自动驾驶🔥🔥🔥🔥全模块可微端到端视频生成🔥🔥🔥🔥DiT 架构+时空patch🔥🔥🔥🔥统一架构覆盖多任务3D 生成🔥🔥🔥世界模型🔥🔥🔥学习物理规律的视觉模型具身智能（Embodied AI）🔥🔥

你自己构建的工作流或者agent页面网址上面的参数，如下截图：appId=6786654d2b27a44b03c5b9da。第三步：新建一个api key，这个api key就是Authorization的关键元素。日志（一般不会用）：/proApi/core/app/logs/getChartData。第一步：从你自己构建的工作流/agent应用里，点击发布渠道。工作流和agent：/v1/ch