计算机视觉的入门系列,计算机视觉如何入门

注：原创不易，转载请务必注明原作者和出处，感谢支持！

一 写在开头

1.1 本文内容

本文内容为计算机视觉入门方法。

二 CV入门基础

2.1 基础知识

图片的相关概念：

维数

高度

宽度

深度

通道数

颜色格式

数据首地址

结束地址

2.2 相关概念解释

图像的深度：存储每个像素所用的位数，比如常见的8位、16位和24位等。

图像的压缩格式：常见的图像压缩格式有JPG、PNG和TIF等。

图像的通道数：常见的有灰度图(单通道)、RGBA(四通道，其中A指透明度)、YUV和YUYV等。

视频的相关概念：

原始视频 = 图片序列。视频中的每张有序图片称为“帧”(frame)。压缩后的视频会采用各种算法来减少数据的容量，其中IPB就是常见的压缩方式。

I帧表示关键帧，其包含了完整的一幅画面。

P帧表示差别帧，其表示的是当前帧与上一个关键帧I(或P帧)的差别，解码该帧时要用之前缓存的画面叠加上本帧定义的差别，生成最终画面。

B帧表示双向差别帧，也就是说，B帧记录的是本帧与前后帧的差别。换言之，要解码B帧，不仅要取得之前缓存的画面，还要解码之后的画面，通过前后画面与本帧数据的叠加取得最终画面。

码率：单位时间内传输的数据数。码率越大，视频体积越大。

帧率：每秒传输的帧数。

分辨率：每一帧图像的分辨率。

2.3 摄像机的分类

graph LR;

摄像机-->监控摄像机;

摄像机-->不同行业需求摄像机;

摄像机-->智能摄像机;

摄像机-->工业摄像机;

监控摄像机-->网络摄像机;

监控摄像机-->模拟摄像机;

不同行业需求摄像机-->超宽动态摄像机;

不同行业需求摄像机-->红外摄像机;

不同行业需求摄像机-->热成像摄像机;

2.4 CPU和GPU的差别

从性能(低延时性)和吞吐量两方面来说，CPU属于高性能和低吞吐量，GPU属于低性能但高吞吐量。

从Cache和local memory的数量来看：CPU > GPU

从线程数(Threads)来看：GPU > CPU

从寄存器(Registers)数量来看：GPU > CPU

GPU以并行方式大量处理少量的简单运算，特别适合图像的处理。

2.5 Computer Vision和Machine Vision以及Image Processing的区别

Computer Vision：用在和应用场景相关的应用当中，偏软件

Machine Vision：更加偏重硬件

Image Porcessing：偏重于图像像素级别的处理

2.6 CV需要的知识储备和参考资料

编程语言

Python：多用于快速实现算法原型，除此之外还设计到常用的Python库，包括numpy和scipy等

C或C++：实际部署应用一般会用效率更高的编译型语言，比如C和C++。

数学基础：概率论、统计学、微积分、线性代数、机器学习

参考书和公开课

《Computer Vision : Models, Learning and Inference》

《Computer Vision : Algorithms and Applications》

《Multiple View Geometry in Computer Vision》(偏3D CV)

《Learning OpenCV》

Stanford CS223B：偏理论和基础

Stanford CS231N：卷积神经网络

Stanford CS223A：3D、重建等

网站

深度学习参考书

《Deep Learning》 Ian Goodfellow Yoshua Bengio Aaron Courville

2.7 CV相关开源软件

OpenCV

Caffe

TensorFlow

FFmpeg

2.8 如何阅读CV相关论文

先熟悉所研究方向的发展历程，发展历程中的里程碑式的文献需要精读

翻阅arXiv cs.CV，关注别人的最新工作

阅读论文务必搞清以下四个方面

论文解决了什么问题

用了什么方法

达到了怎样的效果

还存在什么问题待解决

附：

CV顶级期刊：PAMI、IJCV

CV顶级会议：ICCV、ECCV、CVPR、NIPS