此PDF为小编对整理的思维导图文件生成的源文件，总结了深度学习以及CNN火热后，目标检测相关算法的总览，其中还包含在19年轮回重生的anchor-free等算法，算是一个算法概述。

目标检测（Object Detection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。从最初 2013 年提出的 R-CNN、OverFeat，到后面的 Fast/Faster R-CNN、SSD、YOLO 系列，再到 2018 年最近的 Pelee。短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从 two stage 到 one stage，从 bottom-up only 到 Top-Down，从 single scale network 到 feature pyramid network，从面向 PC 端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。

机器学习在过去十几年里不断发展，并对其他领域产生了深远的影响．近几年，研究人员发现结合量子计 算特性的新型机器学习算法可实现对传统算法的加速，该类成果引起了广泛的关注和研究．因此，文中对近十年的 量子机器学习算法进行总结、梳理．首先，介绍了量子计算和机器学习的基本概念；其次，从四个方面分别介绍了量 子机器学习，分别是量子无监督聚类算法、量子有监督分类算法、量子降维算法、量子深度学习；同时，对比分析量 子机器学习算法与传统机器学习算法的区别和联系；最后，总结该领域存在的问题及挑战，并对量子机器学习未来 的工作进行展望．

深度学习理论是当下研究的热点之一。最近来自UIUC计算机助理教授Sun Ruoyu撰写一篇深度学习最优化理论和算法的综述论文，共60页257篇文献，概述了神经网络的优化算法和训练理论《Optimization for deep learning: theory and algorithms》，并得到众多大佬的推荐，比如模仿学习带头人加州理工Yisong Yue，欢迎大家阅览，需要一番数学理论功底，方能扛过。

文档介绍了tfidf算法的由来，对权重计算做了详细介绍，对tfidf的发展做了个综述

图像补全是图像处理的一个研究领域,为有物体遮挡以及图像关键部分缺失状况下的图像识别提供了解决方案,应用领域非常广泛,受到了人们的关注。经深度学习方法补全的图像具有更高的图像分辨率和可靠性,逐渐成为图像补全的主流方法之一。

医学影像分割是计算机视觉在医学影像处理中的一个重要应用领域，其目标是从医学影像中分割出目标区域，为后续的疾病诊断和治疗提供有效的帮助。

聚类方面的专门书籍、综述文章

线性子空间学习是较为流形的一种特征提取方法,而向量表示的子空间学习方法则是目前众多线性子空间学习方法之一.近年来人们针对这一方法的缺点和不足,提出了若干矩阵表示的子空间学习方法,这些方法都是向量表示的子空间学习方法的拓展.首先介绍了几种经典的向量表示子空间学习方法,进而对几种有代表性的矩阵表示子空间学习方法进行了综述并比较详尽地给出了这些算法的推导过程,同时对算法的有效性等问题进行了分析比较,提出了一些新的理论观点和见解.

PSO总体的历程与评价，优缺点等，希望能对大家有用