【CV-Learning】计算机视觉简介

已于 2022-07-16 18:48:34 修改
阅读量723 收藏 2
点赞数 1
分类专栏： 计算机视觉 文章标签： 计算机视觉 人工智能 神经网络
于 2022-07-16 18:46:52 首次发布
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/Y0704__00/article/details/125822998
版权

什么是计算机视觉？

计算机视觉的边界

CV与其他方面知识的联系。

在这里插入图片描述

计算机视觉的特点

输入是图像或视频，输出不仅限于图像或视频，还可以是语义标签、三维场景的结构信息等，更强调的是图像或者视频内容的输出。

在这里插入图片描述

计算机视觉的目标

跨越“语义鸿沟”建立 像素 到 语义 的映射。

因为机器识别的图像信息全是像素点，而人所看到的图像信息则是几个短句可以描述的，图像中的信息又包括结构信息和语义信息，让计算机具有跨越“语义鸿沟”的表达能力，是计算机视觉领域致力完成的工作。

两大顶级会议（行业方向）

CVPR（IEEE Conference on Computer Vision and Pattern Recognition）
ICCV（International conference on computer vision）

视觉识别的任务

图像分类、目标检测、图像分割、图像描述、图像生成

在这里插入图片描述

有效的工具

对于视觉识别任务而言，目前最有效的工具就是卷积神经网络。

ImageNet

ImageNet项目是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释，以指示图片中的对象;在至少一百万个图像中，还提供了边界框。该数据集是斯坦福大学李飞飞教授等人开发建立的。
神经网络从2012年开展之今，早在2015年在该数据集上的识别效果达到甚至超过人类水平。
在这里插入图片描述
在这里插入图片描述

卷积神经网络的发展

神经网络最早于1998年提出，但是由于当时的数据少、图像小、硬件水平不高，未能引起轰动。
随着信息时代的发展，芯片集成度高，又有了GPU的运算，同时图像的像素点大幅增多，于2012年神经网络得到业界的关注并迅速发展。
在这里插入图片描述

深度学习三要素

算法、数据、算力

计算机视觉的应用

1.三维建模
2.摄影技术
3.生物识别
4.机器人
5.视觉搜索
6.穿戴设备/人机交互
7.自动驾驶/无人驾驶
8.AR
9.气象
10.太空探索

技能树

在这里插入图片描述

北京邮电大学–计算机视觉与深度学习–鲁鹏老师

小梁要努力哟
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
365-Days-Computer-Vision-Learning-Linkedin-Post:365天计算机视觉学习Linkedin发布
03-16
365天计算机视觉学习Linkedin发布 在LinkedIn上关注我： : 天 话题 发布链接 1个 高效饮食 2个 Yolact ++ 3 YOLO系列 4 德特 5 视觉变压器 6 动态RCNN 7 DeiT ：（数据高效的图像变压器） 8 约洛夫5 ...
[CV]计算机视觉特征
qq_39601214的博客
10-29 274
LBP（codes） 原始的LBP算子定义为在3 ∗ 3 333∗3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于等于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3 ∗ 3 333∗3邻域内的8个点经比较可产生8位二进制数（通常转换为十进制数即LBP码，共256种），即得到该窗口中心像素点的LBP值，并用这个值来反映该区域的纹理信息。需要注意的是，LBP值是按照顺时针方向组成的二进制数，具有旋转不变性。 ...
计算机视觉：常见特征
upup
05-16 1315
颜色特征 描述方法： 颜色直方图 颜色集 颜色矩 颜色聚合向量 颜色相关图 纹理特征 描述方法： 统计方法（共生矩阵） GLCM（2，1）值为3说明有3对灰度为2和1的像素对角相邻。在共生矩阵基础上，又可以定义多种纹理特征：熵、能量、对比度、均匀度、相关性。 结构法 模型法 频谱发 形状特征 轮廓特征：针对物体的外边界，常使用游程长度编码方法 区域特征：统计整个区域形状，使用区域密度、区域体态比度量 局部点特征 角点特征点 Harris角点 计算相关矩阵： 求响应值： SIFT
计算机视觉技术的优势
qzt3000的博客
12-08 518
3. 模糊性：由于图像和视频数据中的噪声和变化，计算机视觉经常需要面对不清晰的图像或视频，从而需要更精细的算法和技术来处理模糊性。2. 多样性：由于人造和自然环境的多样性，计算机视觉技术需要适应不同的情境和场景，这可能需要更多的算法和技术。1. 处理速度快：计算机视觉技术可以快速地处理大量图像和视频数据，并能够在几乎实时的速度下进行分析和决策。1. 数据量大：计算机视觉需要处理大量的数据，包括图像、视频、声音等，这样会消耗大量的存储器和计算资源。
计算机视觉（十）--形态学特征
u010676526的博客
04-29 2922
数学形态运算中，最常见的基本运算有七种， 分别为：腐蚀、膨胀、开运算、闭运算、击中、细化和粗化， 它们是全部形态学的基础。腐蚀和膨胀，看上去好像是一对互逆的操作，实际上，这两种操作不具有互逆的关系。 开运算和闭运算正是依据腐蚀和膨胀的不可逆性，演变而来的。先腐蚀后膨胀的过程就称为开运算。 闭运算是通过对腐蚀和膨胀的另一种不同次序的执行而得到的， 闭运算是先膨胀后腐蚀的过程，其功能是用来填充物体内细...
计算机视觉
Yoc Lu
08-20 770
计算机视觉 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，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。 作为一门科学学科，计算机视觉研究相关的理论和技术，试图创建能够从图像或者多维数据中获取“信息”的人工智能系统。这里所指的信息指香农定义的，可以用来帮助做一个“决定”的信息。因为感知可...
ComputerVision-with-PyTorch-Learning-Program:由TinkerHub Foundation使用PyTorch学习程序进行计算机视觉
03-09
PyTorch学习计划的ComputerVision 使用TinkerHub Foundation的PyTorch学习程序进行计算机视觉。 是一个由创建的开源深度学习框架。 该学习计划将涵盖以下内容， 计算机视觉。 Pytorch框架。 Torchvision库。 ...
Machine-Learning-in-Computer-Vision.rar_学习_机器视觉_视觉_视觉学习_计算机视觉
09-21
machine learning in computer vision 计算机视觉中的机器学习 外文经典计算机视觉教程
Java-Machine-Learning-for-Computer-Vision:用于计算机视觉的Java机器学习[视频]，由Packt发布
05-28
Java机器学习用于计算机视觉[视频] 这是出版的的代码存储库。 它包含从头到尾完成视频课程所需的所有支持项目文件。 关于视频课程 本课程的目标是引导您完成使用最现代的技术有效培训用于计算机视觉的深度神经网络...
deep-learning-cv:“深度学习在计算机视觉中的应用”课程材料
05-18
此回购包含于2018年3月3日至4月28日在国立成功大学举行的``在计算机视觉中应用深度学习''课程的材料。 由于Google的慷慨大方，您可以练习使用Google提供的免费GPU资源在Google Colaboratory上制作深层神经网络。 ...
计算机视觉（CV）的算法有哪些，具体都有哪些特点？
热门推荐
喜欢打酱油的老鸟
06-21 1万+
作者：FedAI联邦学习 链接：https://www.zhihu.com/question/342633770/answer/811211699 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 目前计算机视觉主要分类有目标识别、目标检测（识别+定位）、目标分割（检测+分割），而应用层面就多了，文字描述较繁琐，简单地画了一部分，如下： 而算法层面，理论上是无穷种的，同一个需求，根据场景可能会有非常多的差异变化，从而实现路径会有很多，如人脸识别。人脸识别算法主要包.
计算机视觉的算法有哪些，具有哪些特点？
LindaLLC的博客
03-29 679
计算机视觉的算法有哪些，具有哪些特点？1.野兽派2.印象主义派3.古典主义派4.新古典主义派5.后印象主义派6.洛可可风格7.巴洛克风格 1.野兽派 以大力出奇迹为主。主要利用1Billion的数据+512TPU+100小时以上的训练方式得到5%以内的accuracy提升。代表作有各大厂的XXXNet。 2.印象主义派 讲求得其main idea即可。主要利用MNIST,CIFAR等各种toy d...
[数据集][目标检测]蕃茄核桃桔子龙眼青枣5种水果检测数据集VOC+YOLO格式270张5类别
FL1623863129的博客
05-16 132
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:[“fanqie”,“hetao”,“juzi”,“longyan”,“qingzao”]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：270。标注数量(xml文件个数)：270。标注数量(txt文件个数)：270。标注规则：对类别进行画矩形框。
[数据集][目标检测]弹簧上料检测数据集VOC+YOLO格式142张2类别
FL1623863129的博客
05-16 138
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:["ng","ok"]图片数量(jpg文件个数)：142。标注数量(xml文件个数)：142。标注数量(txt文件个数)：142。使用标注工具：labelImg。标注规则：对类别进行画矩形框。ng 框数 = 1130。ok 框数 = 987。
ActiViz中的拉普拉斯算子vtkImageLaplacian
weixin_48083386的博客
05-11 37
拉普拉斯算子是图像处理中常用的一种算子，用于边缘检测和特征提取。它可以帮助我们找到图像中的不连续性，即边缘，这对于后续的图像分割和对象识别非常重要。其数学原理涉及二阶偏导数的计算，通常通过离散化的方式在数字图像中进行近似计算。vtkImageLaplacian 类是 ActiViz 中的一个重要类，用于计算图像的拉普拉斯算子。拉普拉斯算子在图像处理中常用于边缘检测和特征提取，能够帮助我们找到图像中的不连续性，即边缘，这对于后续的图像分割和对象识别非常重要。拉普拉斯算子通过对图像进行二阶微分来检测边缘。
[数据集][目标检测]肺结节检测数据集VOC+YOLO格式1186张1类别
FL1623863129的博客
05-16 132
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)重要说明：数据集为小目标检测，小目标检测可能会在训练map精度低，属于正常现象，小目标检测一般都很难获得高的精度。特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：1186。标注数量(xml文件个数)：1186。标注数量(txt文件个数)：1186。标注规则：对类别进行画矩形框。
[数据集][目标检测]卡车抓斗卸车检测数据集VOC+YOLO格式213张2类别
最新发布
FL1623863129的博客
05-16 96
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:["dump","truck"]图片数量(jpg文件个数)：213。标注数量(xml文件个数)：213。标注数量(txt文件个数)：213。使用标注工具：labelImg。truck 框数 = 213。标注规则：对类别进行画矩形框。
[数据集][目标检测]交通灯检测数据集VOC+YOLO格式2600张1类别
FL1623863129的博客
05-11 156
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)重要说明：由于交通灯属于小目标检测可能训练的map偏低，但是训练的模型不影响检测效果，注意小目标检测一般都很难达到很好精度。特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：2600。标注数量(xml文件个数)：2600。标注数量(txt文件个数)：2600。标注规则：对类别进行画矩形框。
[数据集][目标检测]结直肠息肉内镜图像病变检测数据集13524张2类别
FL1623863129的博客
05-16 195
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)数据集共分为2个版本，即A版和B版，两个版本图片数一样，数据集图片不存在重叠文件名也不存在重复，可以合并训练，也可以单独训练。标注类别名称:["xianliu","zengsheng"]
https://github.com/yaohaozhe/computer-vision-based-on-deep-learning-garbage-classification
08-19
### 回答1： 很高兴收到您的消息。这个GitHub项目是一个基于深度学习的垃圾分类项目，旨在通过计算机视觉技术将垃圾分类自动化。该项目使用了深度学习框架TensorFlow和Keras，以及一些常用的计算机视觉库，如OpenCV和Pillow。该项目包含了数据集的处理、模型的训练和测试、以及应用程序的实现等方面。如果您对深度学习和计算机视觉感兴趣，可以尝试学习和使用该项目。如果您有任何问题或建议，欢迎随时联系我。谢谢！ ### 回答2： 这个项目是一个基于深度学习的垃圾分类项目，通过计算机视觉技术来实现垃圾的分类和识别。传统的垃圾分类往往需要人工干预，而这个项目利用深度学习的方法可以自动识别垃圾，并进行分类。 该项目的主要目标是训练一个模型，通过输入图片可以判断图像中的垃圾属于什么类型。项目通过使用深度学习框架，如TensorFlow和Keras来搭建一个卷积神经网络（CNN）模型。在训练过程中，将使用大量的垃圾图像数据集进行模型的训练，这有助于模型学习到不同类型垃圾的特征。 项目中的数据集包括了各种垃圾的图像，如玻璃、纸张、塑料、纺织物等。通过训练模型，可以使其具备识别和分类不同类型垃圾的能力。 这个项目的意义在于提供了一种自动化的垃圾分类方法，并且可以方便地应用于实际场景中。垃圾分类是一项重要的环保工作，能够有效地减少垃圾的污染和对环境的破坏。通过这个项目，可以提高垃圾分类的准确性和效率，为垃圾处理和回收提供更好的支持。 此外，该项目还提供了开源的代码和文档，可以帮助其他人学习和使用深度学习进行垃圾分类的方法。这对于促进相关领域的研究和进步具有积极的意义。同时，还可以通过开源社区的合作，不断改进和优化这个项目，使其更加全面和实用。 ### 回答3： 这个链接是一个关于基于深度学习的垃圾分类的GitHub项目。垃圾分类是指将垃圾按照不同的类别进行分类和处理的过程。目前，由于垃圾数量的快速增长和环境保护的迫切需求，垃圾分类成为了一个非常重要的话题。 该项目使用了计算机视觉和深度学习技术来实现垃圾的自动分类。计算机视觉是一门研究如何使计算机能够理解和解释图像或视频的学科，而深度学习是一种机器学习的方法，通过构建神经网络模型来学习和识别图像中的特征。 通过该项目，我们可以学到如何使用深度学习方法对垃圾进行分类。首先，我们需要收集一定数量的垃圾图像作为训练集。然后，我们使用深度学习框架，如TensorFlow或PyTorch，在训练集上构建和训练一个神经网络模型。该模型将学习从图像中提取特征并将垃圾分类到正确的类别中。最后，在测试集上评估模型的性能，并对模型进行调优和优化。 这个项目的意义在于，通过使用深度学习进行垃圾分类，可以减轻人工分类的负担，提高垃圾分类的准确性和效率。另外，通过对垃圾进行分类，可以实现垃圾的有效回收和资源再利用，有助于环境保护和可持续发展。 总结来说，该项目是一个使用深度学习技术实现垃圾分类的GitHub项目。通过该项目，可以学到如何使用深度学习方法对垃圾进行自动分类，减轻人工分类的负担，并促进垃圾的有效回收和资源再利用。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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