斯坦福CS231n李飞飞CV课程，辅导笔记（1）CV概论

大家好，我是为人造的智能操碎了心的智能禅师。

计算机视觉，在人工智能领域的重要性，我想应该不用过多介绍了。Teradata，全球最大的专注于大数据分析、数据仓库和整合营销管理解决方案的供应商之一。

他们的 VP Atif Kureishy 预言人工智能的未来，是机器人和计算机视觉的双巨头时代。因为可供CV大展拳脚的领域，太多了。

在计算机视觉领域，李飞飞的地位是毋庸置疑的。她在斯坦福的计算机视觉课程 CS231n，也成为学习计算机视觉的必看教材。

上次条子发了一篇 CS231n 课程的翻译解读，很多同学表示还是看不懂。禅师觉得可能是因为没有就着课程视频食用，不是很有感觉。

条子跟我说她看视频的时候，虽然后面讲具体算法啊实现什么的看不懂，但是前面吹水介绍的内容，还是看得明白的。

当然不得不说条子的英文水平很不错，看视频都不用开字幕，这一点禅师表示自愧不如，望尘莫及。

好在这个视频已经在网易云课堂上线了，加上了中文字幕，相信对大家的学习和理解，能够起到推波助澜、落井下石的作用。[手动狗头]

当然光看视频好像也还是缺点儿什么。于是禅师找到了一位“过来人”，分享他的课堂笔记，权当做课外辅导吧。大家可以看完视频后，回来看这些笔记。

全文大约1500字。读完可能需要2周时间。

本系列的目标

1. TA：针对想开始学习计算机视觉和卷积神经网络的读者

2. 作用：是解读课程内容，把一些抽象内容具象化，同时补充课程中缺失

3. 使用方式：配合课程视频使用

本系列采用双周更新制。一方面为的是给大家足够的时间，消化所学内容；另一方面，是给大家充分的机会来答疑解惑。

笔记中的代码，已经过作者验证。大家在学习过程中有任何问题，欢迎在文章下留言，或者加禅师微信交流。

今天的课程没有任何门槛，当然唯一的门槛可能就是英语听力了。我们来看本系列课程的第一节课：了解计算机视觉的卷积神经网络。

课程视频内容

下面是课程视频链接?

建议大家扫码后，分享到电脑上观看。或者点击文末的阅读原文，转发到电脑上观看。因为视频中PPT，小屏幕看起来还是比较费劲的。另外就是，网易云课堂视频好像没有广告。

第一节课主要是介绍了计算机视觉是什么、能干什么、为什么会有计算机视觉、存在哪些挑战，旨在让大家对计算机视觉有一个大概的了解。

课外笔记

学习这门课程，预先需要具备的技能

熟练掌握 Python，且一定程度熟悉 C 与 C++，课程全程使用 Python，内容会介绍到一些用 C++写的深度学习库。 大学微积分 & 线性代数知识掌握 一定程度 CS229 机器学习课程里面的知识水平，计算代价函数，使用微分求极小值作为优化手段的过程。   

课堂内容回顾

到了2017年的时候，大约有80%人类所产生出来的数据资料是用图片的方式存在，已经是总体资料的大宗。

但是对于电脑而言，这些图片与影像资料却还没办法被电脑好好的分析与处理，更别说是从中识别与归纳规律。

机器视觉是所有领域的中心，不论在哪个领域都涵盖了极为庞大的知识量储备等待人们的挖掘。

在一开始地球上动物发展阶段，大家都是没有眼睛的这个感官器的，他们靠的是周边飘过自己的东西作为食物为生。

然而大约在五亿四千万年前故事发生了变化，第一批的生物开始“长眼”了！也因为这样，世界运行的规则被迅速的打破，他们开始了捕猎与被捕猎，从环境里产生更为鲜明的竞争关系。

而大脑的复杂度也就由此开始有了明显的提升，为了处理多元且复杂的图像信息，只有复杂的系统才能够适应新的竞争环境。

因此，基于种种重复的历史发展轨迹，我们相信类似的事情也会发生在电脑世界里，最初的机器视觉研究开始于1959年，发展至今终于在CNN的方法应用下有了显著图像信息分析的突破。

技术的发展轨迹

1. block world: 利用色块的不同描边，再把边上点阵化转换成数据点被记录在电脑中

2. 基于描出来的边，利用颜色的梯度差，模拟出 3D结构，多了一个维度的信息后，大幅的提升了辨别的精度，也成为深度学习框架出来之前的主流方法

3. 上述两个方法于1970年代被推出：Generalized Cylinder 和 Pictorial Structure，把动物变成“筷子人”的形式表现，并标上像是关节一般的节点，由这些连接点的组合方式判断图形的种类

4. 到了1980年代，已经有办法基于一张图片，完整的勾勒出每个不同物体的轮廓（即使是在物体彼此交叠的情况下）

5. 于1990年代出现了 Normalized Cut，计算机不需要理解里面的物体是什么，但是它可以让每个同类意义的东西用色块的方式区隔开

6. 2000年开始，研究方向到了试着在多个不同的图片中分辨出同一个东西

7. 数码相机在2005年开始蓬勃发展，提升了图像质量，学者试着在图片里面放上拟合图片内物件轮廓的向量针，并于2009年左右开始可以在图片里面框出东西的所在位置

8. Convolutional Neural Network在2012年被重磅推出，在图像识别方面大幅甩开了第二名的准确率和效率，并且可以辨识超过千种物体

其实CNN在1998年的时候，模型概念就已经被推出，但是苦于当时的电脑运算速度的低下，没办法有效的套用此方法，直到15年后，这个方法才得以绽放光芒。

中心思想

1. 完整且仔细的理解每个分析环节

2. 掌握如何用 code 实现 CNN 的训练与纠错

3. 专注于当下最前沿的实际技术方法，匹配GPU完成神经网络训练 理解目前最普遍应用的框架与库，如Caffe, Tensorflow, Pytorch等等

4. RNN，DeepDream，NeuralStyle等新的东西也会被提及

笔记作者介绍

郭俊麟，东华大学光电工程的毕业生，做过工程师也做过区域销售经理，现家从事 AI 方面的研究。自学 CS231n 课程，并做成学习笔记。

幸福
无非就是
我  AI  你