计算机视觉（CV方向）算法基础
秋招临时抱佛脚之作。大纲由GPT提供，内容由博主整理，每日边学边更新，直到拿到满意的offer为止。
1. 基础模型与架构
LeNet、AlexNet、VGG（经典卷积网络演变）
★★★★☆ResNet、DenseNet（残差结构与梯度流）
★★★★★MobileNet、ShuffleNet（轻量化网络）
★★★★☆EfficientNet（复合缩放理念）
★★★★★Vision Transformer（ViT、Swin Transformer）
★★★★★ConvNeXt、MaxViT（CNN+ViT融合架构）
★★★★☆
2. 核心视觉任务
图像分类流程：timm 框架、预训练/微调
★★★★★目标检测：YOLO 系列、Faster R-CNN、RetinaNet
★★★★★实例/语义分割：UNet、Mask R-CNN、DeepLab v3
★★★★★关键点检测与姿态估计（OpenPose、HRNet）
★★★☆☆图像生成与修复：GAN、Diffusion Model
★★★☆☆
3. 自监督与增强方法
数据增强：Mixup、CutMix、RandAugment、Mosaic
★★★★★自监督预训练：SimCLR、BYOL、MAE、DINO
★★★★☆Contrastive Learning 与表征学习
★★★★☆半监督与伪标签方法
★★★☆☆
4. 评价指标与实用技巧
IoU、mAP、Dice、F1-score、Top-K Accuracy
★★★★★FPN（特征金字塔）与多尺度特征融合
★★★★☆Anchor-free 检测思想（CenterNet、YOLOX）
★★★★☆NMS 与 Soft-NMS、DIoU-NMS
★★★☆☆部署优化：量化、剪枝、蒸馏在检测/分割中的应用
★★★☆☆