在梯度下降（Gradient Descent）或其变种优化器中，学习率控制模型参数 θ 的更新幅度：θ 为第 t 次迭代的参数；η 为学习率；∇θL(θt) 为损失函数关于参数的梯度。学习率越大：每次更新幅度大，训练快速但可能震荡或发散；学习率越小：每次更新幅度小，训练稳定但收敛慢。学习率是深度学习中最关键的超参数之一，决定训练速度和稳定性。常用策略：固定、衰减（阶梯、指数、余弦）、自适应、循环和

腐蚀（Erosion）是计算机视觉和图像处理中一种基础且至关重要的形态学操作。它与膨胀（Dilation）互为对偶，共同构成了形态学处理的基石。腐蚀操作主要用于缩小前景物体的面积，去除图像中的噪声，以及分离相互连接的物体。腐蚀操作的核心思想是收缩或瘦身。它通过一个被称为结构元素（Structuring Element）或核（Kernel）的小型模板，在图像上进行“卷积”或“滑动”操作。结构元素通常

步骤数学原理实现函数备注建立点对平面到平面映射手动或检测特征点至少 4 对求解矩阵 H齐次线性方程组（DLT算法）findHomography 支持鲁棒估计（RANSAC）执行变换逆向映射 + 插值支持多种插值和边界模式可逆H 的逆矩阵可映射回原图。

是一种重要的内存管理机制，它允许程序在多线程环境中为每个线程创建独立的、私有的变量副本。与所有线程共享的全局变量或静态变量不同，线程局部变量（也称为线程私有变量）只能被当前线程访问和修改。这种特性从根本上解决了多线程并发访问共享资源时可能出现的竞争条件和数据同步问题，从而简化了并发编程，提高了程序性能。

功能函数特点绘制直线cv2.line()cv::line()可设置颜色、线宽、抗锯齿多线绘制循环调用适合可视化检测结果精确绘制支持浮点坐标（shift）亚像素精度。

直接操作像素二进制，速度快、无精度损失；结合掩膜灵活控制区域；在图像合成、抠图、分割中广泛使用；支持硬件加速，可满足实时视频场景。应用函数说明提取目标区域保留 mask 白区背景替换add前景/背景分离差异检测检测运动/变化图像反色图像反相局部ROI处理任意位运算 + mask精准控制计算范围。

红、绿、蓝顺序，常用于 Web、Matplotlib、PIL/Pillow 等库。：蓝、绿、红顺序，OpenCV 专用。转换：OpenCV 提供了 cv2.cvtColor() 函数来转换颜色空间。示例：将 BGR 转换为 RGB。

去掉音频：拷贝视频码流，不重新编码。

卷积操作的本质是一种空间过滤器。它通过学习一组最优的、可共享的权重（即卷积核），有效地将原始高维输入数据（如图像像素）抽象压缩并转化为更有意义、更具判别力的特征表示（即特征图），为后续的全连接分类器提供高质量的输入。正是这种强大的特征学习能力，使CNN成为现代计算机视觉任务的基石。

是一种将 MP4 文件分割成小段（fragments）的格式。每个分段都包含独立的音视频数据，并且可以独立解码和播放。当与 WebSocket 结合时，WebSocket-fMP4 意味着通过 WebSocket 连接传输分段的 MP4 数据。的特点，仍在一些直播场景中被广泛使用，尤其是在基于 WebSocket 的实时传输中。是服务器根据客户端的 key 生成的 SHA1+Base64 值，防止