斯坦福李飞飞团体的计算机视觉笔记（不定时更新）2021.9.12

斯坦福李飞飞团体的计算机视觉笔记（不定时更新）

第一章 计算机视觉概述

计算机视觉（computer vision):针对视觉数据的研究。

近几年，视觉数据的数量呈爆炸式增长，被称为互联网的暗物质。它们构成了互联网上传输的大部分数据。

麻省理工学院视觉科学家 David Marr：
输入图像➡️原始草图（大部分边缘edge、端点、虚拟线条）➡️2.5维草图（表面深度信息层、视觉场景不连续拼接）➡️3D模型

研究的历史过程：
目标分割➡️面部检测➡️基于特征的目标识别（SIFT特征）➡️SVM、方向梯度直方图等➡️出现标注数据集优化目标识别➡️出现过拟合问题➡️提出ImageNet工程打造数据集

引出本次课程的内容：围绕“图像分类”讲解在ImageNet比赛中获奖的模型算法等，并拓展一些其他方面的应用。

补充：CNN最早用于数字识别（Yann LeCun等人在1998于Bell实验室进行数字识别研究，以用于识别手写支票及邮局地址，也可以识别字母），该项工作与2012年提出的AlexNet非常相似。