使用 2D 中心距离（0.5m/1.0m/2.0m/4.0m 四个阈值）而非 IoU 匹配（因为 LiDAR 稀疏导致 IoU 不稳定）将大量带特征的点云投影到定义好的 BEV 栅格（如 200×200，每个栅格对应 0.5m×0.5m）。由于多相机点云重叠，使用。：LSS 将 2D 图像特征与可微深度预测结合，实现了端到端的 2D→3D→BEV 转换，为后续 BEV 感知奠定了基础。这种 End

输入: 视频帧序列 F₁, F₂, …, F_T输出: 每个物体的轨迹 T = {id, bbox₁, bbox₂, …, bbox_ₜ}

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

1.2 激活函数函数公式范围优点缺点Sigmoidσ(x)=1/(1+e^{-x})(0,1)平滑梯度消失/非0中心Tanhtanh(x)=2σ(2x)-1(-1,1)0中心梯度消失ReLU ⭐max(0,x)[0,∞)稀疏/不饱和Dying ReLULeaky ReLUmax(0.01x,x)(-∞,∞)缓解Dying参数选择ELUx (x>0), α(e^x-1) (x≤0)(-α,∞)连续较

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。