本书从计算机视觉的基础理论出发，逐步深入图像处理、特征提取、深度学习和最新模型架构。第1章回顾了计算机视觉的发展历史，并对全文内容进行了简要介绍。第2-4章介绍了图像处理、特征提取和神经网络的基础知识，为后续章节的内容理解提供了必要的先验知识。第5-9章涵盖了Transformer结构、物体分类与识别、目标检测与语义分割、生成对抗网络、文本多模态学习等内容，为读者全面了解和掌握计算机视觉提供了系统化的知识结构。