[深度学习与计算机视觉] 斯坦福 CS231n 2017 学习笔记 -1 (Lecture 1: Introduction;课程介绍)
VIDEO |
---|
课程介绍-计算机视觉概述
CS231n 近几年一直是计算机视觉领域和深度学习领域最为经典的课程之一。而最近才刚刚结课的 CS231n Spring 2017 仍由李飞飞带头主讲,并邀请了 Goodfellow 等人对其中部分章节详细介绍。本课程从计算机视觉的基础概念开始,在奠定了基本分类模型、神经网络和优化算法的基础后,重点详细介绍了CNN、RNN、GAN、RL 等深度模型在计算机视觉上的应用。
什么是计算机视觉呢?
顾名思义就针对视觉数据的研究,如今世界上的视觉数据爆炸性增长,很大得益于海量的视觉传感器,2017年,互联网上80%的数据都是视频,所以接下来的问题是如何利用算法去开发、理解、利用这些数据。这里把视频之于互联网比作暗物质之于宇宙,构成了网络传输中的大部分,但却都是难以计算和探测的。还有一个有趣的统计来自youtube,每三秒就能上传5小时的视频数据,所以靠人工来分类、分析、投放广告等是不现实的方法。因此,开发一项技术,使机器能够沉浸式地观测并理解这些视觉数据就显得格外重要。
同时计算机视觉也是也交叉学科,围绕它,我们可能会接触到物理学,因为需要光学知识和成像原理,也要理解图像在光学上是如何生成的。我们可能会了解生物学和心理学,去理解动物层面上是如何理解视觉信息的。还可能涉及到计算机科学和工程学,我们在致力实现视觉算法和计算机系统。
计算机视觉历史背景
计算机视觉历史简介
视觉从何而来,我们今天又发展到了那一步呢?