目录
3-计算机视觉技术及应用
3.1-计算机视觉定义及概述
3.2-计算机视觉的主要研究内容
3.3-人工智能与深度学习
第三章 计算机视觉技术及应用
3.1-计算机视觉定义及概述
计算机视觉：信号处理理论与计算机出现后，人们试图用摄像机获取环境图像并将其转换成数字信号，用计算机实现对视觉信息处理的全过程。➡️ 形成新兴的学科：计算机视觉。数字图像： 二维图像，用有限数字数值像素的表示，用数组/矩阵表示，其光照位置和强度都是离散的数字图像是由模拟图像数字化得到的，以像素为基本元素，可以用数字计算机存储和处理的图像数字图像处理：将图像信号转化为数字信号，并用计算机对其处理图像处理 🆚 计算机视觉 图像处理：人是最终解释者。对图像操作，以提高图像质量、恢复图像以及压缩解压图像计算机视觉：计算机是图像的解释者。使计算机具有通过二维图像认知三维环境的能力，图像处理是计算机视觉达到其目的所使用的技术视觉计算理论—视觉系统研究的三个层次：计算理论 ➡️ 表示与算法 ➡️ 硬件实现视觉计算理论—视觉信息处理的三个阶段： 基元图：图像的密度变化可能与物体边界这类具体的物理性质相对应，因此主要描述图像的密度变化及其局部几何关系2.5维图：以观察者为中心，描述可见面的方位、轮廓、深度及其他性质3维模型：以物体为中心，用来处理和识别的三维形状表象3.2-计算机视觉的主要研究内容
计算机视觉研究内容 图像获取摄像机标定：从摄像机获取的信息出发，计算三维空间中物体的几何信息，并由此重建和识别物体。而空间物体表面某点的三维几何位置，与其在图像中对应点之间的相互关系，是由摄像机成像的几何模型才能决定，几何模型即为摄像机参数。获得参数的实验过程叫做摄像机标定。纹理分析 纹理标志三要素：局部序列性；这些序列由基本部分非随机排列组成；各部分大致都是均匀的统一体一般认为，纹理就是指在图像中反复出现的局部模式和排列规则过程：提取纹理特征参数对象检测和识别特征检测： 概念：表征图像所蕴含语义的属性数据目的：为了让计算机具有认识/识别图像的能力常见的图像特征：焦点、边缘、直线和纹理立体视觉；从2个或多个视点观察同一个物体，以获取在不同视觉下的感知图像，通过三角测量原理计算图像像素的位置偏差来获取物体的三维信息。是由多幅图像获取物体三维信息的方法，是计算机视觉的一个重要分支。运动估计图像分割3.3-人工智能与深度学习
深度学习 本质：通过构建多隐层的模型和海量训练数据(可为无标签数据)，来学习更有用的特征，从而最终提升分类或预测的准确性。“深度模型” 是手段，“特征学习” 是目的。人感知深度靠的是人眼的视差与浅层学习区别 强调了模型结构的深度，通常有5-10多层的隐层节点明确突出了特征学习的重要性，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易。与人工规则构造特征的方法相比，利用大数据来学习特征，更能够刻画数据的丰富内在信息。人脑🧠工作原理转载—隐藏层解释深度学习中的隐藏层是干什么的？_叫我AC的博客-CSDN博客_隐藏层
从原始信号（像素级信号）到进一步信号处理，得到一些信息的边缘特征，然后进行抽象判断物体的形状，最后进一步抽象，得到物体的模型
高层特征是低层特征的组合，从低层到高层的特征它越来越抽象，越来越能表现语义，从而有利于目标的识别以及分类
深度学习 🆚 神经网络
相同点
二者均采用分层结构，系统包括输入层、隐层(多层)、输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一层可以看作是一个logistic回归模型。
不同点：算法不同
神经网络：采用BP算法调整参数，即采用迭代算法来训练整个网络。随机设定初值，计算当前网络的输出，然后根据当前输出和样本真实标签之间的差去改变前面各层的参数，直到收敛
深度学习:采用逐层训练机制。采用该机制的原因在于如果采用BP机制，对于1个deep network (7层以上)，残差传播到最前面的层将变得很小，出现所谓gradient diffusion (梯度扩散)。
若笔记📒存在记录错误，请批评指正！
学习视频来源⬇️
数字媒体技术概论_中国传媒大学_中国大学MOOC(慕课)数字媒体技术概论,spContent=以数字媒体、网络技术与计算机技术相融合而产生的数字媒体技术，已经成为最热门的研究领域之一。如果你想了解数字媒体技术的奥妙，并想从事数字媒体技术相关的工作，请加入我们吧！让我们一起共同领略数字媒体技术的魅力，打下坚实的数字媒体技术基础。,中国大学MOOC(慕课)/course/CUC-1206705818?tid=1460872446
