纯干货，没废话。写一遍是为了让我自己能彻底清楚明白的建立知识体系。本人在澳洲上班，工作之余写文档的时间特别多。
全部搞成一篇文章，是为了方便大家转发，存档和阅读。建议大家初步学习的时候以读为主，深入学习的时候以写（写代码+写文档为主）。
欢迎大家在文章里提出任何问题，也很乐意和同样喜欢编程的大家成为朋友。有任何问题可以在这下头留言。
还准备写几个：
- 大模型（我读lLama的代码的总结）
- NLP
- 我谈Florence模型
- 从模型到工程：如何结合云计算和大模型解决大型的数据工程问题？
1，开宗明义：什么是目标检测与图像分割？
在这部分，我们需要明白以下几个最核心的问题：
（1）. 目标检测与图像分割的定义，研究的内容。
（2）. 我们需要明确：计算机视觉是一门工程。从计算机视觉的工程的角度上来说：目标检测与图像分割可以解决什么问题？
（3）. 这两个问题，到底难在哪里？
（4）. 在工程上，通过案例学思想：目标检测与图像分割可以用来解决什么问题？以案例说明
2，复习一下人工神经网络与卷积神经网络
（1）. 复习一下人工神经网络
（2）. 复习一下卷积神经网络
（3）. 复习一下几个经典的卷积神经网络
3，目标检测：三大类，共18种（第一部分）
一个表格总结这些算法（第一次总结）
（1）. 如何把目标检测算法分成几类？什么是端到端算法与非端到端算法？
（2）. Ross Girshick大神其人
（3）. R-CNN算法
（4）. SPP-Net算法
（5）. fast-RCNN算法
（6）. faster-RCNN算法
（7）. R-FCN算法
（8）. 简述三代R-CNN算法的进化史和进步史
4， 目标检测：三大类，共18种（第二部分）
（1）. yolo v1: 第一代yolo
（2）. Joseph Redmon大神其人
（3）. 总结yolo v1-v3
（4）. yolo现在（2024年9月）的两个经典产品：yolo v5以及yolo v8
（5）. yolo v4-v10做了那些调整？
（6）. yolo算法是如何进化的？
（7）. 为啥Yolo是目前最好的
5， SSD系列（Faster-RCNN和YOLO的杂交品种）
（1）. SSD算法：综述
（2）. 中国人对目标检测算法的贡献
6， 目 标检测：总结目标检测
（1）. 跟Dijango/Flask/FastAPI之类的Python后端框架结合做开发
（2）. 跟C#+.Net结合做开发
（3）. 如何将YOLO装载在无人机或者照相机上？
7，图像分割？
（1）. U-Net
（2）. Seg-Net
（3）. Mask
（4）. 图像分割可以用来做什么？
)
)
