华为计算机图像学习

https://ilearningx.huawei.com/portal/courses/course-v1:HuaweiX+NEOCN03001+Self-paced/about

1.4 统计学习理论的起源和基本思想

1.5 计算机视觉的三大基本原则
深度学习网络参数多达600万个，但是数据集最多才1500万个，所以会产生过拟合现象，解决是加入先验条件。
局部性、层次化、几何信息
1.6 计算机视觉的两大里程碑
Bag-of-visual-words(bovw) model（传统方法）
The convolutional neutral network卷积神经网络
本讲总结&小测

1. 计算机以像素形式存储图像。图像中包含丰富的语义信息，难以直接获取。
2. 计算机视觉经历了漫长而艰辛的发展历程。
3. 人类与计算机理解图像的方式截然不同，因此也带来了本质困难。
4. 图像理解的最大困难在于捕捉不变性，统计学习是当前最好的方法。
5. 计算机视觉有三大设计原则：局部性、层次化和几何信息。
6. 计算机视觉的两个最近的里程碑，属于视觉词袋模型和深度神经网络。

2.传统方法和数据结构
2.1 传统方法的方法论和重要性
步骤：局部特征的抽取，量化（码本），根据码本做出判断
相似度的计算
2.2 从像素中抽取局部特征
值得一学的传统方法SIFT\HOG\GLOH\SURF\LCS\DAISY\ORB\BRIEF\LIFT
全局特征的例子：