CV00-01-CV基础理论

目录

CV的level和CV的方向

CV的level

CV研究方向

CV应用方向

CV工程方向

CV的路线

CV比较好的会议

CV的平台、框架

认识几个CV的缩写

---

CV的level和CV的方向

CV的level

1. Low Level，图像的基本操作；比如，图像的变换、像素操作、色彩等；
2. Mid Level，经典的视觉算法；比如，SIFT、RBF等；
3. High Level，CV任务；比如，Deep Learning和CNN等；

CV研究方向

这个可以用于学术研究参考。新应用、新领域发表论文较多。

1. AutoML，超参数自主学习，可以自主学习设计合理的神经网络、自主进行学习；
2. Acceleration，加速，偏向底层，CV对算力要求高，计算需要加速；
3. New Application，新应用；
4. New Structure， 新结构；
5. Refinement，不断提升，对现有CV算法进行提升；

CV应用方向

1. Image Classification，图像分类；比如，将一组（注意是一组，不是一个）图片分类，图片主体明显，将人物图像、风景图像等分为人物、风景等；
2. Object Detection，目标检测；比如，在图像里找出某个对象并提取出来；
3. Keypoint Detection，
4. Recognition，识别；比如，人脸识别；
5. Segmentation，分割；
6. Voxel，三维重构；
7. Tracking，跟踪；比如，无人机对移动的坦克进行跟踪；
8. 2D-3D/3D-2D，2D和3D转换；
9. Image Captioning，图像提取标题说明；比如给出一个（注意是一个，就一个）电影图像，说出是战争、剧情、恐怖等；
10. Image Transfer，图像迁移；
11. Mixed Input，混合输入；比如，输入图像的同时，还输入文字、音频等；
12. GAN，生成式对抗网络（GAN, Generative Adversarial Networks ），暂时没搞懂是干什么的；
13. Slam，暂时没搞懂是干什么的；

等等……

CV工程方向

1. Modified Models，模型修改；比如，对模型做微小调整，带来巨大的性能提升；
2. Light Models，轻量级模型；比如，手机上应用CV，物联网的物端需要轻量级模型和加速算法；
3. Acceleration Algorithm，加速算法；
4. Fixed Point

等等……

CV的路线

1. CV基础，图像的读取、显示、变换、梯度；
2. ML基础，机器学习；
3. CNN基础，卷积神经网络；
4. 分类，图像分类问题；
5. 检测，图像检测问题；
6. 图像迁移问题；
7. GAN知识；

CV比较好的会议

CNPR、ECCV、ICCV、NIPS、PAMI、SIGGRAPH、arXiv、Kaggle。

CV的平台、框架

CV的平台有Trello、Slack、Github

CV的框架有Caffe、Caffe2（Facebook）、TensorFlow（Google）、CNTK（Microsoft）、PaddlePaddle（百度）、MXNet（Amazon）、PyTorch（Facebook）、Keras等

认识几个CV的缩写

认识几个CV的缩写，别被吓到了。

AI = Artificial Intelligence 人工智能

ML = Machine Learning 机器学习

SLAM = Simultaneous Location and Mapping 同步定位与地图构建

CV = Computer Vision 计算机视觉

CNN = Convolutional Neural Network 卷积神经网络（以后见到NN都要联想到神经网络ANN、DNN、DCNN）