目录
深度学习
计算机视觉融合了多种学科元素
深度学习归属于机器学习,利用深度神经网络实现机器学习
计算机视觉的诞生历史
来源于仿生学的一个发现
Hubel和Wisesel将感应电极插入猫的处理基础图象的神经皮层
可以看到猫的神经元并不能够对图像内容做出准确反映
但是能对图像(幻灯片)的切换,图像的终点做出神经元反映
并且两人发现不同的神经元负责处理不同的图像,比如有的是直线有的是圆做出反映
计算机视觉学科在1966年麻省暑期项目中被提出、
《Vision》提出视觉处理是分层的
2又二分之一是指—尽管图片捕捉的信息是二维的,但是我们知道他实际上拥有三维的特性和数据,包括纵深和表面方向,就像尽管有些东西我们是无法通过视觉全知的,但是我们依旧知道那些看不到的东西是存在的,并利用这些元素来尽可能构造可以全知的模型
分层视觉处理的概念一直延续至今
猪蹄模型和关键点(弹簧)模型
图像分割概念的出现,意在为每个像素点找到自己合适的归属
人脸识别的出现,采用色块做识别,现在都可以在Opencv中进行复现
图像分类竞赛
2012年AlexNet神经网络的出现让错误率下降十个百分点
2017年在算法错误率达到远低于人类的百分之5错误率的2.3后,比赛停止举办,人们认为图像分类的问题已完美解决
CS231n概览
课程集中研究图像分类,同时包括物体标注
使用卷积神经网络(CNN)