深度学习之计算机视觉

什么是计算机视觉？

1计算机视觉是一门研究如何使机器“看”的科学，涉及计算机如何从数字图像或视频中获得高级理解。 形象地说，即通过给计算机安装上眼睛（照相机）和大脑（算法），让计算机能够感知环境。 以代替人眼对目标进行识别、跟踪和测量等操作，并对图像进行进一步的处理，使图像更适合人眼观察或传入仪器。

计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。 作为一门综合性的学科，计算机视觉已经吸引了来自各个学科的研究者参加到对它的研究之中。 其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学、神经生理学和认知科学等学科。

计算机视觉的基本任务有哪些？

 计算机视觉的基本任务包含1.图像处理、模式识别或图像识别、景物分析、图像理解等。

2.除了图像处理和模式识别之外，它还包括空间形状的描述，几何建模以及认识过程。

实现图像理解是计算机视觉的终极目标。

图像处理技术：可以把输入图像转换成具有所希望特性的另一幅图像，在计算机视觉研究中经常利用图像处理技术进行预处理和特征抽取。

图像理解技术：图像理解技术是对图像内容信息的理解， 给定一幅图像，图像理解程序不仅描述图像本身，而且描述和解释图像所代表的景物，以便对图像代表的内容做出决定。

计算机视觉的传统算法

 在深度学习算法出现之前，对于计算机视觉算法来说，大致可以分为以下5个步骤：

计算机视觉的传统算法的缺点和成功例子

缺点：1.缺乏对特征的重视 2.图像特征提取需要人力 3.依赖特征算子

成功例子：1.指纹识别算法 2.基于Haar的人脸检测算法3.基于HoG特征的物体检测