什么是计算机视觉？

计算机视觉的定义

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉的应用。主要用于模拟人类视觉的优越能力和弥补人类视觉的缺陷。模拟人类视觉的优越能力：

• 识别人、物体、场景
• 估计立体空间、距离
• 躲避障碍物进行导航
• 想象并描述故事
• 理解并讲解图片
• 弥补人类视觉的缺陷：
• 关注显著内容、容易忽略很多细节，不擅长精细感知
• 描述主观、模棱两可
• 不擅长长时间稳定的执行同一任务

计算机视觉的两个主要研究维度

• 语义感知 (Semantic)
• 几何属性 (Geometry)
  

计算机视觉的主要目标

什么是人工智能（AI）？

计算机视觉的基础及其应用

计算机视觉的基础

数字图像处理

• 空域分析及变换（Sobel，拉普拉斯，高斯，中值等）
• 频域分析及变换（Fourier & Wavelet Transform）
• 模板匹配，金字塔，滤波器组
• 特征数据操作：主成分分析/PCA，奇异值分解/SVD，聚类/Cluster

图像特征及描述

• 颜色特征（RBG，HSV，Lab等）
• 几何特征（Edge，Corner，Blob等）
• 纹理特征（HOG，LBP，Gabor等）
• 局部特征（SIFT，SURF，FAST等）

深度学习在计算机视觉中的应用

• 图像分类(Image Classification)
• • 卷积神经网络CNN
• • 对应有没有问题？，有的话，给出属于某类概率的多少?
• 图像检测(Image Detection)
• • 区域卷积神经网络R-CNN
• • 对应目标在哪儿问题？，用矩形框框出目标
• 图像分割(Image Segmentation)
• • 全卷积神经网络FCN
• • 对应每个像素的类别问题？，用不同颜色画出图像中所有类别的区域轮廓
• 图像识别(Image Identification)
• • 人脸识别、车牌识别、字符识别、行为识别等
• • 对应内容是什么问题？
• • 注意它和Image Verification的区别？
• 图像描述(Image Captioning)
• • 迭代神经网络(Vanilla-RNN，LSTM，GRU)
• 图像问答(Image Question Answering)
• • 迭代神经网络RNN
• 图像生成(Image Generation)
• • 生成对抗网络GAN

图像检索(Content-based Image Retrieval)

• 以文搜图、以图搜图、图文联搜，找出语义或图像相似的图片

计算机视觉的主要研究挑战

• 视角变化、光照变化、尺度变化、形态变化
• 背景混淆干扰、遮挡、类内物体的外观差异
  

————————————————
版权声明：本文为CSDN博主「man_world」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/mzpmzk/article/details/72236923