计算机视觉其实是通过摄像头采集的画面去模拟人眼识别物体,这是个很广泛的学科,应用也很多。
机器如何去看世界:
A. 用数字表示颜色:在计算机科学中,每种颜色都由指定的十六进制值来表示。机器通过这种编码方式,来了解图像像素是由什么颜色组成的。而作为人类,我们天生就拥有基因来区分不同色调。
B. 图像分割:使计算机识别出相似的颜色组,然后分割图像,即将前景与背景区分开。颜色渐变技术被用来查找不同对象的边缘。
C. 查找角点:分割后,查找图像中的某些特征,也称为角点(corners)。简而言之,算法会搜索以一定角度相交的线,并以一种颜色的阴影覆盖图像的特定部分。角点(也称为特征)构建基块,可帮助查找图像中包含的更详细信息。
D. 查找纹理:确定图像中的纹理是正确识别图像的另一个重要因素。两个对象之间的纹理差异使机器正确地对对象进行更容易地分类。
E. 做出猜测:执行上述步骤后,机器需要做出接近正确值的预测或者推断,并将图像与数据库中存在的图像进行匹配。
F. 最后,看大图!最后,一台机器会看到更大、更清晰的画面,并根据所提供的算法指令检查是否正确地识别了该画面。在过去的几年中,准确性得到了很大的提高,但是当机器被要求处理带有混合物体的图像时,机器仍然会犯错误。
计算机视觉领域需要了解的基础知识点。
A.初学者水平
数学:
线性代数
https://www.khanacademy.org/math/linear-algebra
奇异值分解
https://www.youtube.com/watch?v=sJV0QyHoRio
入门级模式识别
https://ocw.mit.edu/courses/media-arts-and-sciences/mas-622j-pattern-recognition-and-analysis-fall-2006/
主成分分析
https://www.youtube.com/watch?v=H0HjNuNvFVI
卡尔曼滤波
https://www.youtube.com/watch?v=d0D3VwBh5UQ
傅里叶变换
https://www.youtube.com/watch?v=hVOA8VtKLgk&list=PLuh62Q4Sv7BUSzx5Jr8Wrxxn-U10qG1et&index=1
小波
https://www.youtube.com/watch?v=4fQAlD5wZKA
图像处理:
杜克大学在Coursera上提供的在线课程
https://www.coursera.org/learn/image-processing
冈萨雷斯和伍兹的数字图像处理
http://www.imageprocessingplace.com/
B.高级水平
线性判别分析
https://www.youtube.com/watch?v=aSyQqHY4Vqc
概率,贝叶斯规则,最大似然,MAP
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-041-probabilistic-systems-analysis-and-applied-probability-fall-2010/
混合物和期望最大化算法
https://www.youtube.com/watch?v=Q1oqJSgp_Dk
入门级统计学习
https://www.coursera.org/specializations/statistics
支持向量机
https://www.youtube.com/watch?v=_PwhiWxHK8o
遗传算法
https://www.youtube.com/watch?v=kHyNqSnzP8Y
隐马尔可夫模型
https://www.youtube.com/watch?v=D_RIe5bd3hk
贝叶斯网络
https://www.coursera.org/learn/probabilistic-graphical-models
要获得有关理论和技术(尤其是算法)的实践知识,请从计算机视觉的角度开始学习OpenCV:
学习OpenCV:使用OpenCV库的计算机视觉(https://www.amazon.com/Learning-OpenCV-Computer-Vision-Library/dp/0596516134)
Tombone的计算机视觉博客(http://www.computervisionblog.com/)
同样,如果你使用其他语言编程,则还需要更多的开源库。
你还应该了解领域中科学研究的关键工作,在这里你可以从中学习它们:
SIFT:通用视觉的经典描述符
https://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf
HOG:众所周知的描述符,特别适合人类检测
Viola-Jones:伟大的人脸检测器
https://www.microsoft.com/en-us/research/people/?from=http%3A%2F%2Fresearch.microsoft.com%2Fen-us%2Fum%2Fpeople%2Fviola%2Fpubs%2Fdetect%2Fviolajones_ijcv.pdf
Shape Contexts
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.18.8852&rep=rep1&type=pdf
Deformable Part Models
http://www.rossgirshick.info/latent/
必读书籍清单包括:
入门级:
计算机视觉:算法与应用
http://szeliski.org/Book/
计算机视觉:现代方法David A. Forsyth,Jean Ponce
http://cmuems.com/excap/readings/forsyth-ponce-computer-vision-a-modern-approach.pdf
计算机视觉中的多视图几何。作者:Richard Hartley,Andrew Zisserman
http://books.google.cn/books?hl=en&lr=&id=si3R3Pfa98QC&oi=fnd&pg=PR11&dq=computer+vision&ots=aQo-nw6e4Q&sig=zGRDslfuKd1ytlZWwTaTKcuLdNw&redir_esc=y
高级水平—走向深度学习
Michael Nielsen的“神经网络和深度学习”在线书;这是一个非常棒而温和的介绍:神经网络和深度学习
http://neuralnetworksanddeeplearning.com/
Ian Goodfellow,Yoshua Bengio和Aaron Courville撰写的深度学习书
http://www.deeplearningbook.org/
TED观看演讲:
李飞飞:我们如何教计算机理解图片
https://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_pictures
BlaiseAgüera和Arcas:PhotoSynth如何连接世界图像
https://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_pictures
浅川千惠子:新技术如何帮助盲人探索世界
https://www.ted.com/talks/chieko_asakawa_how_new_technology_helps_blind_people_explore_the_world
詹妮弗·希利:如果汽车可以说话,则事故可以避免
https://www.ted.com/talks/jennifer_healey_if_cars_could_talk_accidents_might_be_avoidable
戈兰·莱文(Golan Levin):回望你的艺术
https://www.ted.com/talks/golan_levin_art_that_looks_back_at_you
Paul Debevec:制作真实照片的数字脸动画
https://www.ted.com/talks/paul_debevec_animating_a_photo_real_digital_face
戈兰·莱文:软件艺术
https://www.ted.com/talks/golan_levin_software_as_art
在线课程:
入门级:
Udacity:计算机视觉概论
https://www.udacity.com/course/introduction-to-computer-vision–ud810
斯坦福大学的CS231n:用于视觉识别的卷积神经网络
http://cs231n.stanford.edu/
中央佛罗里达大学-Mubarak Shah教授的视频讲座
https://www.crcv.ucf.edu/videos/lectures/2014.php
从上述资源中获得的概念和算法,你可以去解决一些任务并自行完成一个项目。
高级水平—走向深度学习
杰夫·欣顿(Geoff Hinton)在Coursera上的神经网络讲座
https://www.coursera.org/learn/neural-networks
斯坦福课程:自然语言处理的深度学习
http://cs224d.stanford.edu/
斯坦福大学课程:用于视觉识别的卷积神经网络
http://cs231n.stanford.edu/
讲座课程:
计算机视觉中的深度学习(Sanja Fidler教授)
http://www.cs.utoronto.ca/~fidler/teaching/2015/CSC2523.html
先进的计算机视觉(James Hays教授)
http://www.cc.gatech.edu/~hays/7476/