CS231n：Lecture1--Introduction

讲授时间：2016-1-4
主讲教师：Fei-Fei Li

英文版视频地址（在YouTube上，需要翻墙观看）：Lecture1
带中文字幕的视频地址（在网易云课堂上，正在翻译中）：课时1 课时2 课时3

PPT下载地址：点击这里

---

要点整理：

计算机视觉相关领域：

大的领域：生物学、心理学、数学、物理、工程学、计算机科学等
小的方向：神经科学、认知科学、图形学、算法理论、系统结构、信息检索、机器学习、机器人学、语音、自然语言处理、图像处理、 光学等

计算机视觉发展简史：

——公元前5亿4千万年前，进化大爆炸（眼睛的出现）
——公元16世纪，达芬奇的“camera obscura”（照相暗盒）
——1959年，Hubel & Wiesel的“小猫实验”，1981年获得诺奖（结论：视觉处理的第一步工作是对简单边缘、排列等进行处理）
——1963年，Larry Roberts的“Block World”（解析图片中物体的边缘，形状）
——1966年，MIT的“The Summer Vision Project”（AI元年，CV元年）
——1970s，David Marr的“Vision”中的“Stages of Visual Representation”（视觉是分层的：输入图像–边缘图像–2.5D图像–3D图像）
——1973年，Fischler & Elschlager的“Pictorial Structure”
——1979年，Brooks & Binford的“Generalized Cylinder”
——1987年，David Lowe的“识别剃须刀”
——1997年，Shi & Malik的“Normalized Cut”（图像分割还是个研究热点）
——1999年，David Lowe的“SIFT”& Object Recognition
——2001年，Viola & Jones的“人脸识别”（2006年用于富士相机上）
——2005年，Dalal & Triggs的“Histogram of Gradients (HoG)”
——2006年，Lazebnik, Schmid & Ponce的“Spatial Pyramid Matching”
——2009年，Felzenswalb, McAllester & Ramanan的“Deformable Part Model”

图片识别分类比赛：

早期（2006-2012年）：
PASCAL Visual Object Challenge（20个类别）

现在（2009年至今）：
The Image Classification Challenge:（始于2010年，1000个类别，140万张图片， 2012年错误率明显下降，模型用的就是CNN）

这个比赛所用的图片来自于ImageNet图片库（该图片库共22000个物体类别，约1400万张图片，由李飞飞教授等人从2009年开始建设）

---

图像分类是视觉识别领域中的一个重要问题；目标检测、图像描述都和图像分类有关。

CNN（卷积神经网络）已经成为目标识别的一个重要工具。

2012年以前，图像分类的方法是特征+SVM
2012年以后，都是基于深度学习的模型（层数越来越深）

CNN不是一夜之间发明的（1998年Yann LeCun，手写数字识别，sigmoid；2012年，Alex Krizervsky & Geoff Hinton参加的ImageNet挑战赛，ReLU）

深度学习的发展，与以下两方面有很大关系：
硬件的发展（NVIDIA的GPU）
数据量的增加

我们还有很多视觉的领域，本次课不会涉及到：如感知分组，3D建模，图像分割等。

我们重点关注的是图像分类。

计算机视觉的愿景：看图讲故事，娱乐，社交，理解等。

---

本节PPT参考文献：