计算机视觉

计算机视觉

主要任务：通过对采集的图片或视频进行处理以获得相应场景的信息。

马尔提出的计算机视觉非常重要的观点：人类视觉的主要功能是通过大脑进行一系列处理和变换，来复原真实世界中的三维场景，并且这种神经系统里的信息处理是可以用计算的方式重现（理论，算法和硬件）。

端到端的学习/训练：完全交给深度学习模型直接学习从原始数据到期望输出的映射。

object detection

物体再哪里以及是什么

问题：物体的尺寸变化范围很大，摆放物体的角度，姿势不定，可以出现再图片的任何地方，还是多类别

目前学术和工业界出现的目标检测算法分成3类：

1. 传统的目标检测算法：Cascade + HOG/DPM + Haar/SVM以及上述方法的诸多改进、优化；

2. 候选区域/窗 + 深度学习分类：通过提取候选区域，并对相应区域进行以深度学习方法为主的分类的方案，如：
   R-CNN（Selective Search + CNN + SVM）
   SPP-net（ROI Pooling）
   Fast R-CNN（Selective Search + CNN + ROI）
   Faster R-CNN（RPN + CNN + ROI）
   R-FCN 等等

3. 基于深度学习的回归方法：YOLO/SSD/DenseBox 等方法；以及最近出现的结合RNN算法的RRC detection；结合DPM的Deformable CNN等

fine-tuning：使用预训练的网络来重新fine-turning(微调)

一般使用多个filter分别进行卷积，最终得到多个特征图

感受野：原始区域

FCN：先卷积，再计算，只计算一次

缺点：感受野大小固定，卷积窗口固定，效果可能不会得到非常好的效果