计算机视觉（CV）概述

        最近在学习百度云智学苑的EasyDL课程时，发现这里对计算机视觉的简介挺清晰移动的，结合本人的一些理解，这里简述一下计算机视觉。
        计算机视觉是一门研究如何使机器"看"的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
        计算机视觉一般涉及到图像分类、物体检测、图像分割和视频分类。

---

1. 图像分类

        图像分类就是给定一个图像，正确给出该图像所属的类别。一般是监督学习，训练集和验证机比例为3:1或7:3

        下图为每年imagenet-1k图像分类竞赛上神经网络的top-5错误率，卷积神经网络的出现使得图像分类的精度大大提升：

2. 物体检测

一般主要有两种物体检测思想：

1. 经典滑动窗口法

        早期，一般使用窗口扫描进行物体识别，计算量大，很难获得物体的精确定位。思想是：

• 对输入图像进行不同窗口大小的滑窗进行从左往右、从上到下的滑动。
• 每次滑动时候对当前窗口执行分类器(分类器是事先训练好的)。如果当前窗口得到较高的分类概率，则认为检测到了物体。
• 对每个不同窗口大小的滑窗都进行检测后，会得到不同窗口检测到的物体标记，这些窗口大小会存在重复较高的部分。
• 最后采用非极大值抑制(Non-Maximum Suppression, NMS)的方法进行筛选。最终，经过NMS筛选后获得检测到的物体。

2. 边界框预测法
           红色的框表示标注框, 绿色的框为模型得到的预测框，白色为预先设定的锚框，让预测框以锚框为基准去逼近标注框，也就是预测框定位的精度可以趋近标注框，可以获得更好的物体定位，预测框可以输出一个概率。
   
   

3. 图像分割

        图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。与物体检测不同的是图像分割对物体进行像素级定位，如下图所示：

4. 视频分类