计算机视觉基础模型完全手册：13类算法、85个变体深度解析
在CV领域，标注数据的高成本一直是困扰研究者的难题。为解决这一问题，研究者们尝试利用无标注数据、网络图文数据和多模态数据，借助对比学习、掩码重建等自监督学习方法预训练视觉基础模型，再将其迁移到目标检测、语义分割等下游任务。
近一年来，随着大语言模型和多模态技术的快速发展，计算机视觉领域迎来了新一轮的模型爆发。
目前已发布的视觉基础模型数量已相当可观，对于CV研究者来说，这些模型具有重要的研究价值。本文基于一篇最新综述，系统梳理CV基础模型的发展脉络。
该综述详细梳理了13大类算法模型，每类包含多个变体，共计85个。从最早的LeNet、ResNet到最新的SAM、GPT4，完整覆盖了视觉模型的发展历程。
此外，还整理了120篇2021-2023年CV领域的代表性论文，部分已开源代码。
尽管当前方法效果已相当不错，但计算机视觉基础模型仍有巨大进步空间。希望这份资料能帮助大家全面掌握CV领域发展脉络，厘清各模型演进历程。
论文清单：
- 综述Survey：12篇
- 学术论文：108篇（2021年11篇，2022年14篇，2023年83篇）
大模型时代，自学效率太低。系统学习才能真正掌握核心技能。
扫码加企业微信，备注"课程"，获取专属学习方案！
大家好，我是资深AI讲师与学习规划师。专注计算机视觉教学与算法研发，过去三年我帮超过2500名有Python 基础的入门者，从"像素是什么"到"独立跑通CV项目"。今天这篇长文，完全按零基础实战体系撰写，从图像本质到经典算法、再到OpenCV工具链和完整项目，一条龙给你讲透可直接复现的CV专业指南。
适合人群：大学生、转行者、开发者，只要会Python基础，就能跟上。读完你就能掌握图像处理4大经典算法，并拥有一个可直接写进简历的实战项目，
为方便大家学习 这里给大家整理了一份系统学习资料包 需要的同学 根据下图指示自取就可以
