【计算机视觉全套教程】笔记总结

最新推荐文章于 2024-06-12 12:43:44 发布

Jul7_LYY

最新推荐文章于 2024-06-12 12:43:44 发布

阅读量776

点赞数 1

文章标签：计算机视觉目标检测深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_44832832/article/details/128865608

版权

文章目录

第一章课程概述

1.研究理论和应用

在这里插入图片描述

2.计算机和人之间对图像的差异

1.感知上的本质区别
在这里插入图片描述
2.视角变化
3.光照变化
4.尺度变化
5.形态变化
6.背景混淆干扰
7.遮挡
8.类内物体的外观差异

3.课程简介

在这里插入图片描述

4.主要研究的问题

1.图像预处理

在这里插入图片描述

2.图像特征及描述

在这里插入图片描述

3.深度学习之前的方法

在这里插入图片描述

5.神经网络和深度学习基础

在这里插入图片描述

6.目标检测

在这里插入图片描述

7.图像分割

在这里插入图片描述

8.GAN

在这里插入图片描述

9.环境和开源库

在这里插入图片描述

10.应用案例环境

在这里插入图片描述

张量：高维数组

第二章图像预处理

1.目录

在这里插入图片描述

2.颜色空间（RGB、CMY、）

在这里插入图片描述
减法叠加，越叠加越黑，一般是四个通道的

最精确的颜色空间构成

3.图片灰度化

在这里插入图片描述

4.图像与处理（实际上是图像增强）

在这里插入图片描述

5.图像处理方法

在这里插入图片描述

1.特征提取方法（直方图、CLAHE）

1.直方图

在这里插入图片描述

2.CLAHE

在这里插入图片描述

2.形态学运算

在这里插入图片描述

3.空间域处理及其变换

在这里插入图片描述

1.卷积

在这里插入图片描述

2.边界填充策略

在这里插入图片描述

3.均值滤波

在这里插入图片描述

4.中指滤波

在这里插入图片描述

5.高斯滤波（模拟人眼）

在这里插入图片描述

作用：
离得越远，转换出来的图像和看到的图像更接近
降低复杂度

垂直或者水平的变化不大，均值平滑就是1

4.如何让卷积更快（空域卷积=频域乘积）

在这里插入图片描述

5.高斯金字塔

在这里插入图片描述
高斯金字塔，一般在大图上找小的特征，在小图上找大的特征

6.拉普拉斯金字塔

在这里插入图片描述

7.傅里叶变换

在这里插入图片描述

傅里叶变换的不足（解决办法：短时傅里叶变换、加窗傅里叶变换）

在这里插入图片描述

8.小波变换

在这里插入图片描述

第三章图像特征提取

在这里插入图片描述

1.颜色特征

在这里插入图片描述

2.边缘特征

1.边缘定义

在这里插入图片描述

2.边缘提取

边缘提取除了横向和纵向（单向求导），最难的是斜边（两个方向上的求导）
在这里插入图片描述

σ在高斯滤波中代表的是均值，它的大小决定着是瘦高还是扁平

这里引进了梯度的概念

3.基于特征点的特征描述子

1.特征点的定义

在这里插入图片描述

2.Harris角点

在这里插入图片描述

3.FAST角点检测

在这里插入图片描述

4.斑点（拉普拉斯梯度二阶导数）

在这里插入图片描述
二阶导数等于0的时候是边界

二阶导数是极大值的时候是斑点（先做高斯，再做拉普拉斯）

4.局部特征（SIFT）

在这里插入图片描述

关注

1
点赞
踩
8

收藏

觉得还不错? 一键收藏
打赏
3
评论
【计算机视觉全套教程】笔记总结

1.感知上的本质区别2.视角变化3.光照变化4.尺度变化5.形态变化6.背景混淆干扰7.遮挡8.类内物体的外观差异张量：高维数组边缘提取除了横向和纵向（单向求导），最难的是斜边（两个方向上的求导）σ在高斯滤波中代表的是均值，它的大小决定着是瘦高还是扁平这里引进了梯度的概念二阶导数。
复制链接

扫一扫

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

Jul7_LYY 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。