计算机视觉任务全景与工程链路
本文梳理计算机视觉的任务全景与端到端工程链路，回答从需求到上线该选什么任务、用什么指标、按什么顺序搭管线。覆盖分类、检测、分割、姿态、检索、OCR、跟踪等任务的输入输出与评估指标（Top-1、mAP、mIoU、PCK、FPS），并给出数据采集、标注、训练、导出 ONNX、服务化、监控回流的完整流程与两个可运行的 torchvision 示例，最后总结选型权衡与常见坑。
tag
计算机视觉
共 6 篇文章。
计算机视觉工程与模型部署
计算机视觉从传统图像处理走到深度学习与大模型，工程落地的关键是把任务定义、数据、模型与部署串成闭环。本专题覆盖 CV 工程的完整链路：CV 任务全景与工程链路、OpenCV 图像基础与预处理、SIFT/ORB 特征提取与图像匹配、ResNet/EfficientNet 等卷积骨干、YOLO 系列目标检测与 mAP 评估、U-Net 与 Mask R-CNN 图像分割、姿态估计与关键点检测、ViT/Swin/CLIP 视觉 Transformer 与多模态、数据标注与数据集工程、迁移学习与训练调优、量化剪枝蒸馏与端侧部署，以及 Triton 服务化与推理加速。后续补充的 6 篇进阶内容进一步覆盖 OCR 与文档理解、人脸识别与活体检测、视频理解与多目标跟踪、点云与深度估计、多模态视觉语言模型，以及检测分割的评估指标。
计算机视觉入门实战：图像处理与 CNN 图像分类
从零实战计算机视觉：图像数据表示、OpenCV 预处理（缩放/归一化/增强）、CNN 图像分类（PyTorch CIFAR-10）、经典网络（ResNet）、目标检测/分割概览、迁移学习与部署。
08. 计算机视觉进阶
计算机视觉深度解析：YOLO 系列、图像分割、OCR 文字识别与生成模型 GAN/Diffusion
05. 卷积神经网络 CNN
CNN 卷积神经网络全解析：卷积/池化/全连接、经典网络 LeNet 到 EfficientNet、目标检测基础、数据增强与迁移学习
数字无极图像识别实现：基于特征向量与相似度匹配的闭集识别方案
详解数字无极小程序中动物图像识别 API 的完整实现方案，包括特征向量提取、FAISS 相似度搜索、FastAPI 服务设计与主业务 API 对接流程，覆盖从离线图库构建到在线识别的全链路。