从CNN到ViT：计算机视觉骨干网络的范式转移
从CNN到ViT的范式转移全景：解析卷积归纳偏置的遗产、视觉注意力机制的关键洞察、Swin/MAE/DINOv2等新一代骨干网络、以及工业部署的选型策略
计算机视觉
从 2D 到 3D：视觉 Transformer 的空间理解革命与工程落地
从ViT的patch嵌入到占据网格的3D空间推理，解析视觉Transformer六年内的架构演进和工程落地
计算机视觉目标检测算法演进：从R-CNN到DETR的Transformer革命
全面回顾目标检测算法从传统方法到深度学习时代的演进历程，深入分析R-CNN系列、YOLO系列和DETR系列的核心创新
深度神经网络中的归一化技术全景：从Batch Norm到Layer Norm的深度剖析
系统讲解深度学习中各类归一化技术的原理、差异与最佳实践
目标检测算法十年演进：从R-CNN到Transformer的范式变迁
系统梳理目标检测算法从Viola-Jones到Transformer的十年演进历程，涵盖传统手工特征、两阶段检测、单阶段检测、Anchor-Free和Transformer五大范式。
计算机视觉技术演进：从卷积神经网络到多模态大模型
系统梳理计算机视觉从CNN到Transformer的技术演进，剖析目标检测、图像分割等核心任务，展望多模态大模型与3D视觉前沿
视觉Transformer（ViT）技术深度解析：从图像分块到全局自注意力
深度解析Vision Transformer（ViT）架构原理与演进：图像Patch Embedding、可学习位置编码、CLS Token机制、多头自注意力全局建模，以及DeiT、Swin Transformer、MAE等关键变体。探讨ViT与CNN在感受野、数据效率、计算复杂度上的本质差异，展望未来视觉Transformer的发展方向。
多模态大模型：AI感知世界的下一个前沿
多模态大模型（MLLM）技术深度解析：从技术架构到前沿应用，全面介绍GPT-4V、Gemini、LLaVA、Qwen-VL等代表性模型，探讨视觉幻觉、计算效率、模态对齐等核心挑战，展望具身智能、文档智能、多模态Agent等应用前景。
数字图像处理深度实战：从空域卷积、直方图均衡与形态学运算到 Canny 边缘、Harris 角点与 Hough 变换的完整工程链路
从第一性原理出发，用NumPy从零实现空域卷积、直方图均衡、形态学运算、Canny边缘检测、Harris角点检测与Hough变换六条核心图像处理链路，并给出可复现的数值结论
从像素到感知：卷积神经网络可视化入门
深入浅出地讲解卷积神经网络可视化技术，涵盖卷积核可视化、特征图分析、Grad-CAM类激活映射原理及实战案例，帮助读者理解CNN的内部工作机制。
