THƯ VIỆN / 46 Từ nền tảng đến học sâu

Một bản đồ
của thị giác.

Mỗi chương là một câu hỏi nhỏ về cách máy nhìn. Đọc lý thuyết, xem công thức, rồi thử trực tiếp ở mọi chương — theo thứ tự hoặc nhảy thẳng đến điều bạn cần.

46 chương 04 chặng 45 bài thử 01 luồng xử lý
46 CHƯƠNG
I

Nền tảng

Ảnh là gì, ánh sáng và phép tích chập.

03 CHƯƠNG
II

Tách cấu trúc

Biên, vùng, hình dạng và vật thể.

04 CHƯƠNG
III

Hình học & chuyển động

Tìm mẫu, khớp đặc trưng, luồng quang học và homography.

05 CHƯƠNG
IV

Ứng dụng

XGBoost, tracking, optical flow, SLAM, video transformer, segmentation và detection hiện đại.

19 CHƯƠNG
Minh hoạ trước và sau của Haar cascade & phát hiện khuôn mặt 13
Ứng dụng Trung cấp

Haar cascade & phát hiện khuôn mặt

Một bộ phát hiện cổ điển: ảnh tích phân, đặc trưng Haar-like, AdaBoost và cascade nhiều tầng.

HaarIntegral imageAdaBoost 14′
Minh hoạ trước và sau của XGBoost cho đặc trưng ảnh 14
Ứng dụng Trung cấp

XGBoost cho đặc trưng ảnh

Biến contour thành vector hình học rồi để XGBoost học ranh giới quyết định.

XGBoostGradient boostingCây quyết định 18′
Minh hoạ trước và sau của ByteTrack 15
Ứng dụng Nâng cao

ByteTrack

Tracking-by-detection: ghép box confidence cao trước, dùng box thấp để cứu track bị che.

ByteTrackKalmanHungarian 18′
Minh hoạ trước và sau của BoT-SORT 16
Ứng dụng Nâng cao

BoT-SORT

ByteTrack cộng bù chuyển động camera và appearance để giữ ID khi camera rung.

BoT-SORTGMCReID 19′
Minh hoạ trước và sau của OC-SORT 17
Ứng dụng Nâng cao

OC-SORT

Observation-centric: dùng quan sát thật để cập nhật vận tốc, chống trôi khi bị che.

OC-SORTObservation-centricKalman 18′
Minh hoạ trước và sau của RAFT 18
Ứng dụng Nâng cao

RAFT

Recurrent All-Pairs Field Transforms: cost volume toàn ảnh và cập nhật flow lặp.

RAFTCost volumeRecurrent 20′
Minh hoạ trước và sau của GMFlow 19
Ứng dụng Nâng cao

GMFlow

Global matching bằng transformer: tìm điểm tương ứng trên toàn ảnh thay vì cửa sổ nhỏ.

GMFlowGlobal matchingTransformer 19′
Minh hoạ trước và sau của FlowFormer 20
Ứng dụng Nâng cao

FlowFormer

Transformer trên cost volume: học ngữ cảnh và occlusion cho flow dày đặc.

FlowFormerCost volumeAttention 19′
Minh hoạ trước và sau của ORB-SLAM3 21
Ứng dụng Nâng cao

ORB-SLAM3

SLAM feature-based đa bản đồ: ORB, local BA, relocalization và loop closure.

ORB-SLAM3ORBBundle adjustment 22′
Minh hoạ trước và sau của VINS-Mono 22
Ứng dụng Nâng cao

VINS-Mono

Camera monocular + IMU trong sliding-window optimization, drift thấp hơn SLAM thuần thị giác.

VINS-MonoIMUPreintegration 21′
Minh hoạ trước và sau của DROID-SLAM 23
Ứng dụng Nâng cao

DROID-SLAM

Dense flow + differentiable bundle adjustment, bền hơn ở vùng ít texture.

DROID-SLAMDense flowDifferentiable BA 21′
Minh hoạ trước và sau của TimeSformer 24
Ứng dụng Nâng cao

TimeSformer

Divided space-time attention: tách attention không gian và thời gian cho video.

TimeSformerVideo transformerAttention 17′
Minh hoạ trước và sau của VideoMAE 25
Ứng dụng Nâng cao

VideoMAE

Masked video autoencoding: che một phần clip rồi buộc mô hình khôi phục.

VideoMAEMasked autoencoderSelf-supervised 17′
Minh hoạ trước và sau của Video Swin Transformer 26
Ứng dụng Nâng cao

Video Swin Transformer

Cửa sổ 3D dịch chuyển: cân bằng độ chính xác và chi phí cho video.

Video Swin3D windowShifted window 18′
Minh hoạ trước và sau của SAM 2 27
Ứng dụng Nâng cao

SAM 2

Promptable video segmentation: box/click để tách vật thể và lan mask qua frame.

SAM 2PromptableVideo segmentation 18′
Minh hoạ trước và sau của Mask2Former 28
Ứng dụng Nâng cao

Mask2Former

Universal segmentation: masked attention và Hungarian matching cho mask + lớp.

Mask2FormerMasked attentionUniversal segmentation 19′
Minh hoạ trước và sau của DETR 29
Ứng dụng Nâng cao

DETR

Detection như set prediction: object query + Hungarian, không cần NMS.

DETRSet predictionObject query 18′
Minh hoạ trước và sau của RT-DETR 30
Ứng dụng Nâng cao

RT-DETR

DETR realtime: encoder hiệu quả và IoU-aware query selection.

RT-DETRRealtimeIoU-aware 18′
Minh hoạ trước và sau của YOLO hiện đại 31
Ứng dụng Nâng cao

YOLO hiện đại

YOLOv8 → v11: single-stage, anchor-free, tối ưu tốc độ và độ chính xác.

YOLOv8YOLOv10YOLO11 18′
V

Tần số & tỉ lệ

Fourier, nén JPEG và kim tự tháp ảnh.

03 CHƯƠNG
VI

Camera & nhiều góc nhìn

Góc Harris, RANSAC ghép toàn cảnh, mô hình camera và stereo.

04 CHƯƠNG
VII

Nhận dạng & học sâu

Học máy, túi từ thị giác, HOG, phân đoạn, CNN, chuyển phong cách, GAN và dữ liệu.

08 CHƯƠNG
Minh hoạ trước và sau của Học máy cho thị giác: kNN, SVM & quá khớp 39
Nhận dạng & học sâu Cơ bản

Học máy cho thị giác: kNN, SVM & quá khớp

Đặc trưng vào, nhãn ra: bốn bộ phân loại kinh điển và cách biết mô hình có thật sự tổng quát hoá.

kNNSVMQuá khớp 20′
Minh hoạ trước và sau của Túi từ thị giác & nhận dạng cảnh 40
Nhận dạng & học sâu Trung cấp

Túi từ thị giác & nhận dạng cảnh

Gom đặc trưng cục bộ thành “từ vựng”, đếm số lần xuất hiện và so ảnh như so văn bản.

Bag of Wordsk-meanstf-idf 20′
Minh hoạ trước và sau của HOG, cửa sổ trượt & phát hiện vật thể 41
Nhận dạng & học sâu Trung cấp

HOG, cửa sổ trượt & phát hiện vật thể

Biến phát hiện thành phân loại: trượt cửa sổ, mô tả bằng HOG, chấm điểm bằng SVM tuyến tính, rồi khử trùng lặp.

HOGLinear SVMSliding Window 22′
Minh hoạ trước và sau của Phân đoạn ảnh: k-means, mean shift, watershed, GrabCut 42
Nhận dạng & học sâu Trung cấp

Phân đoạn ảnh: k-means, mean shift, watershed, GrabCut

Chia ảnh thành các vùng mạch lạc bằng gom cụm, tìm đỉnh mật độ, ngập nước từ marker và cắt đồ thị.

k-meansMean ShiftWatershed 22′
Minh hoạ trước và sau của Mạng nơ-ron tích chập (CNN) từ bên trong 43
Nhận dạng & học sâu Nâng cao

Mạng nơ-ron tích chập (CNN) từ bên trong

Từ nơ-ron đơn lẻ tới ResNet: tích chập chia sẻ trọng số, ReLU, pooling và lan truyền ngược học bộ lọc từ dữ liệu.

CNNBackpropagationReLU / Pooling 25′
Minh hoạ trước và sau của Chuyển phong cách & thống kê texture 44
Nhận dạng & học sâu Nâng cao

Chuyển phong cách & thống kê texture

Phong cách là thống kê không phụ thuộc vị trí; nội dung là bố cục đặc trưng tầng sâu.

Style transferMa trận GramHeeger–Bergen 22′
Minh hoạ trước và sau của Mạng sinh đối kháng (GAN) 45
Nhận dạng & học sâu Nâng cao

Mạng sinh đối kháng (GAN)

Hai mạng chơi trò mèo vờn chuột: một bên làm giả, một bên bắt giả, cho tới khi giả như thật.

GANMinimaxMode collapse 22′
Minh hoạ trước và sau của Dữ liệu lớn, gán nhãn & thuộc tính 46
Nhận dạng & học sâu Trung cấp

Dữ liệu lớn, gán nhãn & thuộc tính

Khi có đủ nhiều ảnh, "tra cứu" láng giềng gần nhất có thể thay cho suy luận phức tạp — nếu nhãn đủ tốt.

Bộ dữ liệuCrowdsourcingHọc chủ động 18′
GỢI Ý LỘ TRÌNH

Nếu mới bắt đầu, đọc từ 01 đến 06 để xây nền tảng. Nếu đã quen OpenCV, nhảy đến 10–12 để xem khớp đặc trưng, luồng quang học và homography.

Bắt đầu từ chương 01