计算机视觉研究发展

Marr视觉计算理论：

目的：通过视觉系统，重建三维物体的形状和位置

初始省略（2维）：过零点（zero-crossing）短线段、端点等基元特征

维：对物体形状的一些粗略描述

3维：对物体的三维描述

计算机视觉的早期图像表示模型是Part-based，这样就可以通过Part这种组合式的方法表示物体。但很多自然场景的物体没有这么强的结构。

80年代，特征检测和机器学习同时也开始组合应用，但对物体结构有严格限制（指定对象类型）

2000-2012年，局部特征描述得到迅速发展，如SIFT/HOG

特征描述具有通用性，结合SVM等机器学习方法。但效果有限。

从2012后，深度学习方法兴起。特征->自动提取；层数->很深。

e.g. MS的ResNet 152层（2015，ImageNet）