计算机视觉 Computer Vision Chaper1 概述

计算机视觉就是让计算机理解图片或者视频。

A/B在计算机中颜色是一样的。

让计算机拥有人类视觉的所有功能。提取图片的有用信息。重构人眼的过程。


计算机视觉不受幻觉打扰，它的描述是客观的，真实的。



语义感知：要理解看到的东西
几何属性：VR的应用
特定领域：图像分类ImageNet。计算机读片（医疗）
总的来说，计算机和人差距还是很大的。

分割：一张图片里，可能不是一个物品，可以检测出来很多物体，并将他们分开来。每一个像素归为哪一个物体。

为什么计算机视觉难，我们看图片，知道是爱因斯坦，但是计算机看就是像素点的值。

人能看到的，和计算机看到的，解决在语义上的鸿沟。


上面的3张图实际上是一个场景，但是由于灯光的缘故，造成它们非常不同。


比如小猫小狗缩成一团的样子和普通样子差异就很大。人打哈欠，脸部变化也会很大。



要让计算机理解它们都是椅子。








VGG就是不断的加深网络。GoogleNet是考虑的所有可能的情况。ResNet就是现在学习的内容和原数据进行一个差值，这个差值就是当前没学习好的。
CNN就像搭积木，一层层的堆叠好就可以了。


第一阶段和第二阶段完全不同的方法。第一阶段采用的是建议的目标区域，第二阶段是YOLO（You Only Live Once），选择目标区域，让目标区域回归到物体上面去。




















老师说，模型务必要看原版的论文。