北京邮电大学 计算机视觉与深度学习 鲁鹏 计算机视觉概述课程手迹

已于 2024-04-10 10:11:28 修改
阅读量407 收藏
点赞数
分类专栏： 机器学习 CV手记 文章标签： 计算机视觉 人工智能 深度学习
于 2023-04-26 23:12:26 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/eleven_665/article/details/130396169
版权

课程笔记

  • 计算机视觉=输入(认知神经科学-理论, 运用方法&算法, 硬件)+输出(机器人)

  • 课程：图像处理-CS131，图像结构-CS231a，图像理论-CS230/CS231n

  • Q-象棋与人工智能的关系？

    IBM-深蓝，Google-AlphaGo >> 机器赢得象棋胜利 = 强大的搜索算法

  • 目标：语义鸿沟，即建立图像像素核语义间的关系

  • 发展过程：系统出现-物种大繁荣 >> 理论研究-猫视觉神经 >> 积木世界 >> MIT图像处理暑期

  • 计算机视觉先驱-David Marr提出的三大板块：计算理论，表达&算法，硬件实现

    • 计算理论：目的？已知与可施加的约束？
    • 表达&算法：输入输出的表达？算法计算预期结果？
    • 硬件实现：算法与硬件的关联？硬件加速算法？
  • 视觉表达发展阶段：输入图像 >> 边缘图 >> 2.5D图 >> 建立3D模型
  • 图像信息 = 三维场景结构 + 语义信息
  • 深度学习基石 = 算法 + 数据 + 算力

本节思考

序号提问回答
01请解释图像表达的4个阶段在计算机视觉中的作用你来回答，下篇笔记中会公布
02

为什么David Marr提出的三大板块是CV的先驱？

背后的原因是什么？

你来回答，下篇笔记中会公布
03David Marr提出的三个部分在当今时代是否适用？你来回答，下篇笔记中会公布
04为什么会出现语义鸿沟？原因是什么？你来回答，下篇笔记中会公布
05图像分割和图像识别有什么本质的区别吗？你来回答，下篇笔记中会公布
06

为什么说在计算机视觉中，图像信息等于三维场景结构加上语义信息？

你来回答，下篇笔记中会公布

参考资源

计算机视觉（本科课程） 北京邮电大学 鲁鹏
njuptalex的博客
10-12 3337
计算机视觉 2020 北京邮电大学本科课程 这里的计算机视觉中的数学都是比较简单的，不如图形学 1. 卷积与边缘提取 卷积的padding方式： clip filter （black） wrap around copy edge reflect across edge 锐化 原图-平滑图=边缘图 原图+边缘图=锐化图 I * e - I * g = detail I * e + I*(e-g) = sharpened = I * (2e-g) detail前方再加一个参数alpha，调节锐化度，
【视频学习笔记】计算机视觉与深度学习_北京邮电大学_鲁鹏（⭐⭐⭐⭐⭐）
Edward的博客
08-24 1022
文章目录一、图像分类1. 什么是图像分类任务？2. 图像分类有哪些应用场合？3. 图像分类有哪些难点？（难点拆解）4. 基于规则的分类方法是否可行？5. 什么是数据驱动的图像分类范式？5.1 步骤5.2 分类器设计与学习5.2.1 图像表示5.2.2 分类器 视频回顾 相关课程： ●CS131: Computer Vision: Foundations and Applications一Fall 2018, Juan Carlos Niebles and Ranjay Krishna-Undergradu
【计算机视觉与深度学习北邮鲁鹏】自学笔记
一只活活泼泼快快乐乐的萨摩耶的博客
11-01 1947
【计算机视觉与深度学习北邮鲁鹏】自学笔记
北邮计算机视觉笔记
weixin_46089956的博客
12-19 935
北邮鲁鹏老师的计算机视觉课程笔记
【北邮鲁鹏老师计算机视觉课程笔记】01 introduction
weixin_44184852的博客
02-10 1748
首先谈谈智能的概念，1997年的人工智能系统“深蓝”，战胜了国际象棋的世界冠军。2015年和2017年AlphaGo战胜了李世石和柯洁。但是这是不是真的智能，现在的人工智能系统能下棋，但是它不能创作诗歌超过人类最优秀的诗人。从这个角度看，这并不是真的智能，它有一个很好的搜索算法，去搜索出最优解。因此，现在只能在数理和数学计算上部分实现人类的智能。感知 + 解释人类的视觉系统机器视觉系统机器看到的是什么？是一个灰度图，是一个二维矩阵300 * 400语义鸿沟：从像素到语义内容。存在的极大的差距。
北京邮电大学-计算机视觉-鲁鹏 《课件-作业-数据集》
最新发布
04-21
北京邮电大学-计算机视觉-鲁鹏 《课件-作业-数据集》
计算机视觉（课件PPT） 北京邮电大学 part4
04-29
北京邮电大学 计算机视觉（课件PPT）樊利民 北京邮电大学 part4
笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏-第二讲
weixin_45562510的博客
04-09 902
笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏 一、写在开头（重复的） 1.课程来源：B站视频. 2.笔记目的：个人学习+增强记忆+方便回顾 3.时间：2021年4月8日 4.同类笔记链接：（钩子：会逐渐增加20210408） 5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。 —以下正文— 一、本章解决什么问题 1.什么是图像分类任务？它有哪些应用场合？ (答：找特征，贴标签） 2.图像分类任务有哪些难点？ 3.基于规则的方法是否可行？ 4.什么是数据驱动的图像分类范式？
【学习笔记1】【梯度计算 / 数据集划分 / 交叉熵与KL散度 / 各种优化器 / 权值初始化和批归一化】--《计算机视觉与深度学习 北京邮电大学 鲁鹏》
qq_39321513的博客
06-15 336
L2正则项 梯度计算（数值法、解析法） 数据集划分 K折交叉验证（数据集小的情况用） 打乱顺序的重复K着验证（随机性强，结果更稳定） 数据预处理 交叉熵 one-hot向量的熵为0 势均力敌熵最大 梯度爆炸（梯度裁剪） 激活函数 梯度下降法存在的问题 动量法 μ建议设成0.9，如果设成1的话，即使g=0，它还是会往前走，一直往前走停不下来。 μ<1的话迭代个几轮，连乘，μ->0，会停下来。 动量法还有什...
【计算机视觉】计算机视觉与深度学习-02-图像分类-北邮鲁鹏老师课程笔记
星辰不问
04-21 4635
计算机视觉与深度学习-02-图像分类-北邮鲁鹏老师课程笔记
【计算机视觉与深度学习 北京邮电大学 鲁鹏 视频笔记】1. 线性分类器
阿飞的博客
07-27 534
视频连接 https://www.bilibili.com/video/BV1V54y1B7K3?p=2&spm_id_from=pageDriver 1. 前言 1.1 数据驱动的图像分类方法 数据集构建 分类器设计与学习 分类器决策 1.2 常用分类任务的指标 2. 线分类器 2.1 基于图像的表示 2.1.1 图像类型 二进制图像 非黑即白，0表示黑，1表示白 灰度图像 每一个像素点由（0-255）表示，0是最黑，255是最白 彩色图像 RGB三个通道每种颜色0-2
笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏-第一讲
weixin_45562510的博客
04-08 1392
笔记：计算机视觉与深度学习-北邮-鲁鹏-2020年录屏 一、写在开头（重复的） 1.课程来源：B站视频. 2.笔记目的：个人学习+增强记忆+方便回顾 3.时间：2021年4月8日 4.同类笔记链接：（钩子：会逐渐增加20210408） 5.请一定观看视频课程，笔记是对视频内容的有限度的重现和基于个人的深化理解。 —以下正文— 一、计算机视觉的主要用途和相关科学 1.在生活中的应用：车牌识别、球赛中摄像机跟踪、图像处理、人脸识别、医疗图像中疾病特征的识别、SAR（Synthetic Aperture Rada
计算机视觉（北邮鲁鹏）学习记录
w2563216521的博客
12-28 2762
计算机视觉（北京邮电大学版）学习笔记，期末预习
计算机视觉（北邮鲁鹏）学习笔记（二）
路双宁的博客
12-10 902
边缘提取 描述信号突变 对信号求导，xxx方向上，有 ∂f(x,y)∂x=lim⁡ϵ→0f(x+ϵ,y)−f(x,y)ϵ \frac{\partial f(x,y)}{\partial x} = \lim_{\epsilon \to 0} \frac{f(x+\epsilon,y) - f(x,y)}{\epsilon} ∂x∂f(x,y)​=ϵ→0lim​ϵf(x+ϵ,y)−f(x,y)​ 可以用差分来近似替代 ∂f(x,y)∂x≈f(x+1,y)−f(x,y)1=f(x+1,y)−f(x,y) \beg
北邮计算机搞计算机视觉,北京邮电大学团队蝉联计算机视觉领域COCO挑战赛冠军...
weixin_42168230的博客
07-27 438
10月27日，计算机视觉领域的三大顶会之一ICCV 2019在韩国首尔拉开帷幕。在大会Joint COCO and Mapilary Recognition Challenge Workshop上，会议组织方公布了备受关注的COCO挑战赛结果。我校自动化学院宋晴老师负责、杨录博士带领的BUPT-PRIV团队，继2018年荣获COCO-DensePose冠军之后，再次以绝对优势获得了第一名的瞩目成绩...
计算机视觉系列二（全连接神经网络）北京邮电大学-鲁鹏
peacefairy的博客
04-04 376
全连接神经网络 1、概览 2、分类模型 2.1 多层感知机 全连接神经网络级联多个米那换来实现输入到输出的映射。 因为线性只能解决线性可分的问题，所以引入全连接来解决非线性可分的问题。 在线性分类器中，表示了每个类别的模板 在非线性分类器中，自己可以定义多个模板，来充分的表示输入。 2.2 激活函数 常用的激活函数及其优缺点。 3、损失函数 3.1 softmax与交叉熵 softmax可以把分数数值变换为概率，由于分数可能为负数，所以采用了指数幂的方式来计算各个分数的占比。 有了各个类别的概率，引入了
【计算机视觉】计算机视觉与深度学习-01-计算机视觉相关介绍-北邮鲁鹏老师课程笔记
星辰不问
04-20 3809
【计算机视觉】计算机视觉与深度学习-01-前言-北邮鲁鹏老师课程笔记
【学习笔记】计算机视觉与深度学习(6.视觉识别任务)
xhyu61的博客
03-29 724
受人之托，忠人之事。我们往生堂性质特殊，肩负着双倍责任，所以，一定要让两个世界的人都满意才行。——《原神》胡桃
计算机视觉（北邮鲁鹏）学习笔记（一）
路双宁的博客
12-10 1202
课程地址：https://www.bilibili.com/video/BV1nz4y197Qv 课件地址：https://github.com/CV-xueba/A01_cvclass_basic 卷积 定义 fff是图像的矩阵，ggg是卷积核（一个n×nn \times nn×n的矩阵）。 卷积f∗gf*gf∗g的数学表达式为： (f∗g)[m,n]=∑k,lf[m−k,n−l]g[k,l] (f*g)[m,n] = \sum_{k,l}f[m-k,n-l]g[k,l] (f∗g)[m,n]=k,l∑​
计算机视觉复习关键点：图像分割、相机标定、SFM与图像检索
复习这些内容，可以观看北京邮电大学鲁鹏老师的清晰完整课程视频，以及深入浅出SfM与SLAM核心算法的相关系列视频，这些资源提供了丰富的理论讲解和实例演示，有助于深入理解和掌握计算机视觉的关键概念和技术。
评论 1
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

打赏作者

qinyaoze

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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