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。
计算机视觉 Computer Vision Chaper1 概述
最新推荐文章于 2024-05-28 18:51:31 发布