一、基础概念
像素（Pixel）：图像的最小单位，包含颜色和亮度信息。
灰度图（Grayscale）：单通道图像，像素值表示亮度（0-255）。
RGB/HSV：颜色空间模型（RGB：红绿蓝；HSV：色调饱和度明度）。
二、图像处理
滤波（Filtering）：平滑（如高斯滤波）或锐化图像（如拉普拉斯算子）。
边缘检测（Edge Detection）：Canny、Sobel等算法识别物体轮廓。
形态学操作（Morphology）：膨胀（Dilation）、腐蚀（Erosion）用于二值图像处理。
三、特征提取
SIFT/SURF：传统局部特征描述子（尺度与旋转不变性）。
HOG（方向梯度直方图）：用于物体检测（如行人检测）。
CNN（卷积神经网络）：通过卷积核自动提取分层特征（如ResNet、EfficientNet）。
四、模型与架构
卷积层（Convolutional Layer）：局部感受野的权重共享操作。
池化（Pooling）：降维操作（如最大池化保留显著特征）。
U-Net：医学图像分割常用的编码器-解码器结构。
YOLO（You Only Look Once）：单阶段实时目标检测算法。
五、任务类型
分类（Classification）：识别图像类别（如ImageNet竞赛）。
目标检测（Object Detection）：定位并分类物体（输出边界框）。
语义分割（Semantic Segmentation）：像素级分类（如区分道路与车辆）。
实例分割（Instance Segmentation）：区分同类物体的不同实例（Mask R-CNN）。
六、评估指标
mAP（平均精度均值）：目标检测中综合衡量精度与召回率。
IoU（交并比）：预测框与真实框的重叠面积占比。
PSNR/SSIM：图像重建质量的客观评价指标。