CS231n 学习笔记（一）

时间：2019/3/23
内容：
1.计算机视觉概述
2.计算机视觉历史背景

https://study.163.com/course/courseLearn.htm?courseId=1004697005#/learn/video?lessonId=1049395813&courseId=1004697005

课时1：计算机视觉概述

• 若无基础，可先学习CS131（深度学习、自然语言处理）
• CS231a 更全面，涉及3D重建、匹配和机器人视觉等方面
• 本课程主要是神经网络（特别是CNN），并将其应用于各种视觉识别任务

课时2：计算机视觉历史背景

• Block word
  视觉世界被简化为简单的几何形状，目标是识别它们

• 《Vision》 David Marr
  

• 如何越过block world，开始识别或表示现实世界对象
  基本思想：每个对象都由简单的几何图单位组成。将物体的复杂结构简化成有更简单形状和结构的集合体

• 如何重建和识别由简单的物体结构组成的视觉空间
  基本思想：通过线和边缘重构

• 目标识别太难，首先要做目标分割
  基本思想：把每一张图片中的像素点归类到有意义的区域（图算法）

• 面部检测
  统计机器学习：SVM，boosting，图模型，AdaBoost算法（实时面部检测）

• 早期目标识别
  基本思想：基于特征（SIFI特征，匹配整个特征）

• 识别整幅图的场景
  算法：空间金字塔匹配
  基本思想：图片中的各种特征可以告诉我们这是那种场景，该算法从图片的各像素抽取特征，并把它们放在一起，作为一个特征描述符，然后再特征描述符上做一个支持向量机

• 辨识人体姿态
  方向梯度直方图，可变形部件模型

• 21世纪早期目标识别
  拥有标注的数据集（例如PASCAL Visual Object Challenge）