【计算机视觉】1. 计算机视觉基础理论知识和框架(Basic Concepts)

最新推荐文章于 2025-03-24 04:07:52 发布
最新推荐文章于 2025-03-24 04:07:52 发布
阅读量1.4k 收藏 2
点赞数
分类专栏： 计算机视觉 OpenCV 计算摄影学 文章标签： 计算机视觉 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Scott_S/article/details/132861612
版权
本文介绍了计算机视觉的基本概念，包括其研究目标、主要挑战以及深度学习在解决这些问题上的应用，涵盖了像素与语义理解、图像预处理、特征提取、目标检测、图像分割和图像生成等内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

什么是计算机视觉?

一、什么是计算机视觉

  1. 研究如何使机器看的科学
  2. 让计算机具有人类视觉的所有功能
  3. 从图像数据中，提取到有用的信息和知识
  4. 模拟人类视觉的优越能力
    a. 识别人、物体、场景
    b. 估计立体空间、距离
    c. 躲避障碍物进行导航
    d. 想象并描述故事
    e. 理解并讲解图片
  5. 弥补人类视觉的缺陷
    a. 容易忽视很多细节
    b. 不擅长精细感知，容易受幻觉干扰
    c. 主观，不擅长长时间稳定的执行同一任务

在这里插入图片描述

二、二个研究维度

  1. 语义感知
  2. 几何属性

在这里插入图片描述

三、研究挑战

3.1 像素与语义之间的GAP

在这里插入图片描述

3.2 视觉变化

在这里插入图片描述

3.3 光照变化

在这里插入图片描述

3.4 尺度变化

3.5 形态变化

3.6 背景复杂

3.7 遮挡

3.8 内外

四、计算机视觉框架

4.1 计算机视觉基础

  1. 图像预处理
  2. 图像特征及描述
  3. 传统算法

4.2 深度学习算法理论基础

  1. BP神经网络
  2. 深度学习基础

4.3 深度学习算法

  1. 图像分类：CNN => 卷积神经网络
  2. 图像检测：R-CNN => 区域卷积神经网络
  3. 图像分割：FCN => 全卷积神经网络
  4. 图像描述：RNN => 迭代神经网络
  5. 图像生成：GAN => 生成对抗网络

五、计算机视觉基础内容

5.1 图像预处理

  1. 图像显示与存储
  2. 图像增强目标
  3. 点运算
  4. 形态学处理
  5. 空间域处理：卷积
  6. 卷机的应用：【平滑、模糊、边缘检测、锐化】
  7. 频域处理：傅立叶变换，小波变换

5.2 图像特征和描述

  1. 颜色
    a. 量化颜色直方图
    b. 聚类颜色直方图
  2. 几何特征
    a. Edge
    b. Corner
    c. Blob
  3. 基于关键点的特征描述子
    a. SIFT
    b. SURF
    c. ORB
  4. 其他特征
    a. LBP
    b. Gabor

5.3 深度学习之前的方法

  1. 图像分割
    a. 基于阈值、基于边缘
    b. 基于区域、基于图论
  2. 人脸检测
    a. Haar-like 特征+ 级联分类器
  3. 行人检测
    a. HOG+SVM
    b. DPM

六 神经网络与深度学习基础

  1. 神经网络
    a. 神经元
    b. 前馈网络
    c. 梯度下降
    d. 误差反向传播
  2. 深度学习
    a. 与传统神经网络的区别
    b. 目标函数
    c. 该进的梯度下降
    d. 避免过拟合

七 主要研究问题

7.1 图片分类

一、问题：求解有没有某一个Object
二、卷积神经网络CNN

  1. 基础网络
  2. 有监督深度模型时代的起点
  3. AlexNet-> VGG -> GoogleNet -> ResNet -> ResNeXt

三、GoogleNet

  1. nception V1->V2->V3->V4
  2. Inception ResNet V1->V2

四、结构趋势

  1. 更深 8 -> 1000+
  2. 更广 1分支 -> 4分支
  3. 更多基数 1-> 32

7.2 目标检测

一、检测对象

  1. 物体检测
  2. 人脸检测
  3. 姿态检测

二、检测方法R-CNN

  1. 让基础网络具备区域输出能力
  2. 第一阶段：R-CNN -> SPP-Net -> Fast/Faster R-CNN
  3. 第二阶段：YOLO-> SSD -> R-FCN

三、目的
检测更快、更准确

四、工业应用

  1. 智能监控
  2. 辅助驾驶

7.3 图片分割

一、处理问题

  1. 前景分割
  2. 语义分割

二、检测方法FCN

  1. 让基础网络做像素输出
  2. FCN-> SegNet/ DeconvNet -> DeepLab

三、目的
语义推断、分割更精确

四、工业应用
辅助驾驶

7.4 图像描述

一、处理问题

  1. 图片描述
  2. 图片问答

二、检测方法FCN

  1. 让网络具有记忆功能，构建不定长序列数据的模型
  2. Vanilla RNN -> LSTM -> GRU

三、应用
文本序列、区域序列、视频序列

7.5 图像生成 GAN

一、网络结构

  1. 生成器网络：Generator
  2. 判别器网络：Discriminator

二、网络改进
GAN -> CGAN -> DCGAN -> wGAN
SRGAN

三、应用
样本数据分布学习

计算机视觉基础知识(十四)--深度学习开源框架
newsymme的博客
02-21 1153
是一个编程系统；使用图来表示计算任务；图中节点表示operation，称为op；一个op获取0个或多个Tensor，计算产生0个或多个Tensor；一个Tensor是一个类型化的多维数组；比如一个小的图像集可以表示为一个思维浮点数组；四个维度分别为：【batch，height，width，channels】；TensorFlow按图计算，图必须在会话里被启动；会话将图的op分发到CPU或GPU设备上，同时提供执行op的方法；方法执行后将产生的Tensor返回；
自动驾驳系统（Self-Driving Car，SDC）：解决机器人和自动驾驳汽车上的导航、方向、速度控制等问题
AI天才研究院
08-08 1657
20世纪70年代末到80年代初期，美国制造的轿车、摩托车等交通工具在全球销量占据了榜首地位，并成为各个阶层的人们主要交通工具。但是随着交通工具市场的发展，特别是在汽车领域，由于成本高昂、质量差距过大等因素的影响，使得各个品牌之间的竞争越来越激烈，导致各个厂商之间动辄几百万美元的交易。在这个大环境下，美国各个州纷纷推出自己的汽车管制令，禁止出售某些特定型号的汽车。这些管制令虽然对社会生活产生了积极影响，但却也引起了一些反响，因为对汽车的依赖使得许多群体失去了购买汽车的权利。
计算机视觉学习路线（纯纯小白）
警警的博客
09-14 2485
计算机视觉是一个跨学科领域，需要扎实的数学、机器学习、深度学习和编程基础。通过从基础到进阶的学习，不断地进行项目实践和学术论文阅读，逐步掌握计算机视觉的核心技术，并最终深入到该领域的前沿研究。
计算机视觉基础理论知识
weixin_43030192的博客
03-02 3593
此文档主要是学习优酷里面的浙大机器视觉（谭平老师自录）的课程学习笔记，主要是重新熟悉一些基础理论知识。 一、camera 小孔成像原理 1.光圈，光圈就是与那个小孔的参数，大光圈即孔大些，则前景光聚焦好，后景光聚光就发散，形成虚化效果，这样就使得景深小，小光圈则相反，需要曝光时间久些，在camera中 光圈是F表示，光圈大小去F的倒数，即数值越小，光圈越大。日F1.4,F5.6等 2.视角 Filed of view（Zoom） 镜头焦距小，视角FOV大，即为广角，镜头焦距大，视角FOV小， 二
《计算机视觉 : 计算理论与算法基础》(马颂德 & 张正友)扫描版[PDF]
carl2380的专栏
08-19 2856
<br />《计算机视觉 : 计算理论与算法基础》(马颂德 & 张正友)扫描版[PDF] <br /> <br />http://www.verycd.com/topics/2825837/<br /> <br />算机视觉是在图像处理的基础上发展起来的新兴学科。计算机视觉从信息处理的层次研究视觉信息的认知过程，研究视觉信息处理的计算理论、表达与计算方法。本书系统地介绍了计算机视觉的重要理论与算法，包括图像特征提取，摄像机定标，立体视觉，运动视觉(或称序列图像分析)，由图像灰度恢复三维物体形状的方法，物体建
计算机视觉计算理论与算法基础-computer vision algorithms and the theoretical calculation based
carl2380的专栏
08-19 1482
<br />http://www.pudn.com/downloads9/ebook/detail33430.html<br /> <br />计算机视觉计算理论与算法基础-computer vision algorithms and the theoretical calculation based
计算机视觉——计算理论与算法基础
04-11
马颂德、张正友编的书，内容丰富，适合于计算机视觉的各位同仁作为参考资料。
多模态情感识别数据集和模型(下载地址+最新综述2021.8)
热门推荐
qq_44722174的博客
09-01 3万+
引用论文：Zhao, Sicheng, et al. “Emotion Recognition from Multiple Modalities: Fundamentals and Methodologies.” arXiv preprint arXiv:2108.10152 (2021). PDF链接：Emotion Recognition from Multiple Modalities: Fundamentals and Methodologies. 新鲜出炉的赵思成和杨巨峰大佬的论文哦（情感识别领域
最优化原理基础入门-笔记.zip
12-14
接着，《2 Basic Concepts.pdf》深入介绍了最优化的一些基本概念。其中包括目标函数（我们希望最大化或最小化的函数）、决策变量（我们可调整的参数）以及可行域（决策变量必须满足的约束条件）。了解这些概念是理解...
计算机视觉计算理论与算法基础
10-20
计算机视觉计算理论与算法基础，我也想免费的，但是我我也要小分分下载啊
计算机视觉 ——计算理论与算法基础.zip
05-24
计算机视觉从信息处理的层次研究视觉信息的认知过程，研究视觉信息处理的计算理论、表达与计算方法。本书系统地介绍了计算机视觉的重要理论与算法，包括图像特征提取，摄像机定标，立体视觉，运动视觉(或称序列图像分析
金融领域多模态学习在全方位反欺诈中的应用
最新发布
AI天才研究院
03-24 957
在金融领域，欺诈行为严重威胁着金融机构和客户的利益。传统的反欺诈方法往往只依赖单一类型的数据，如交易记录、信用评分等，难以应对日益复杂多变的欺诈手段。多模态学习通过融合多种类型的数据，如文本、图像、音频、视频等，能够更全面、准确地刻画欺诈行为的特征，从而提高反欺诈的效果。本文的目的在于深入探讨多模态学习在金融全方位反欺诈中的应用，涵盖从核心概念、算法原理到实际应用和未来发展等多个方面，为金融行业的反欺诈实践提供理论支持和技术指导。
AI人工智能深度学习算法：在流体动力学中的应用
AI天才研究院
07-16 1468
solution总结（Summary）：深度学习在流体动力学中的应用已经显示出巨大的潜力，为传统的流体动力学研究和工程应用带来了新的视角和工具。通过本次分析，我们可以得出以下几点结论：多样化应用：深度学习在流体模拟、参数估计、流场重建、湍流建模和流体控制等多个方面都有成功的应用。让我们继续总结和展望深度学习在流体动力学中的应用。总结（Summary）：计算效率提升：相比传统的数值模拟方法，深度学习模型在预测阶段能够显著提高计算效率，使得实时流场预测和快速设计优化成为可能。
计算机视觉基础知识点（根据cs231n以及博客内容整理）
weixin_46409038的博客
04-25 1412
最近学习了cs231n计算机视觉课程，综合一些相关求职博客的面试题和回答总结复习了这些基础知识点作为记录，作为初学者可能有很多不足或者错误希望大家多包涵。
计算机视觉（一）：基础篇
tb店铺搜：FUN STORE玩物社，专业买手挑选送礼好物
09-30 7040
一、光和电磁波谱二、彩色模型1.RGB彩色模型2.HSV彩色模型3.从RGB到HSV的彩色转换4.从HSV到RGB的彩色转换5.RGB和HSI的互换代码实现（Python+OpenCV）三、灰度图像1.灰度级与灰度图像2.RGB转灰度图像3. RGB转灰度图像代码实现（Python+OpenCV） 一、光和电磁波谱 &amp;amp;nbsp;&amp;amp;nbsp;&amp;amp;nbsp;&amp;amp;nbsp;&amp;amp;nbsp;&a
深度学习计算机视觉理论基础（PyTorch）
niexinyu0026的博客
11-24 5396
深度学习计算机视觉理论基础（PyTorch）1 神经网络与cv1.1 经典的人工神经元模型：M-P 模型1.2 感知机（Perceptron）的诞生1.3 计算机视觉2 深度神经网络基础2.1 监督学习和无监督学习2.1.1 监督学习（Supervised Learning）（1）回归问题（2）分类问题2.1.2 无监督学习（Unsupervised Learning）2.1.3 小结2.2 欠拟合和过拟合2.2.1 欠拟合 学习唐进民的《深度学习之PyTorch实战计算机视觉》的理论部分（前四章）的笔记。
计算机视觉--基础知识
天道酬勤
12-16 1784
基础知识一、计算机视觉概念二、数据1、图像2、视频三、摄像机四、运算处理器1、CPU2、GPU3、NPU五、学科关系六、理论基础七、开发语言与环境 一、计算机视觉概念 1、 2、计算机视觉与机器视觉的区别 分类机器视觉计算机视觉 输入成像环境可控成像环境非可控 输出PROJECT_BINARY_DI...
计算机视觉基础知识
789请问的博客
04-02 445
1.python+opencv3.3 python+opencv3.3视频教学 基础入门 https://www.bilibili.com/video/av24998616?from=search&seid=12324073412360020731 2.相机参数和标定 相机参数标定（camera calibration）及标定结果如何使用 - https://blog.csdn....
视觉认知的边界：《观察方式》解析计算机视觉目标感知
这本书主要探讨了视觉认知在计算机视觉领域的应用和理论基础，特别关注目标感知的方法，强调从视觉感知的角度深入理解这一复杂主题。 书中涉及的核心概念包括"概念：认知科学的误区"（Concepts: Where Cognitive ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值