计算机视觉全套课件_39975390.pptxVIP

计算机视觉 Computer Vision 第 一 章 · 绪 论 Contents 目录 本章总结 背景介绍 小节介绍 ◎NE 背景介绍 BACKG ROUN D Every image tells a story . Computer vision develops theories and methods to allow computers to extract relevant information from digital images or videos. 作为人类，我们可以轻松感知周围的三维世界。 相比之下，不管近年来计算机视觉已经取得多么令人瞩目的成果，但要让计算机能像人类那样理解和解 释图像，却仍然是一个遥远的梦想。 为什么计算机视觉会成为如此富有挑战性的难题? 它的发展历史与现状又是怎样的? 背 景 介 绍 WO 小节介绍 SECTION INTRODUCTION Every image tells a story. Computer vision develops theories and methods to allow p i lt c rr i t information s n o a e v v el o t s a e r ag ext im o a s t r ig te d u m m o o fr c 置于图像的建横和给 子空间方法 人脸识到和检利 基于能量的分割 粒子退波 圈醒 基于物理的视世 因子分解 投影不变量 3D距商数指处理 卡尔量滤波 马尔科夫顾机场 正则化 基于物理的建横 由 阴 影 、 纹 理 变 焦 到 形 状 尺度空间处理 图像金字塔 由运动到结构 光流 本征图像 立体视贯对虚 国率结构 广义圆排 积木世界、线条标注 数字图像处理 1963年 美国计算机科学家拉里 ·罗伯茨在麻 省理工大学的博士毕业论文 《Machine Perception of Three- Dimensional Solids》 20世纪80年代 主动视觉理论和定性视觉理论等被 提出，进入了最蓬勃发展的一个时期 机器学习开始成为计算机视觉，尤 其是识别、检测和分类等应用中一 个不可分割的重要工具 21世纪 成为计算机领域的一个大学科 热点偏向于图像内容的建模，如三 维建模、立体视觉等 二十世纪70年代二十世纪80年代 二十世纪90年代 机器学习 类属识别 MRF 推断算法 基于特征的识网 计算费影学 纹理合成与修图 1.1 计算机视觉简史 20世纪90年代 20世纪70年代 二十一世纪 在各领域发挥作用 自从2012年后，基于深度学习的检测和识别、 基于深度学习的图像分割、基于深度学习的 立体视觉等如雨后春笋般一夜之间全冒了出 来。 冲击传统计算机视觉分类算法 2012年， Hinton的小组参加了ImageNet 竞 赛，提出卷积神经网络AlexNet,取得十个百分 点的改进，完胜第二名 基于神经网络的深度学习算法 1.2 计算机视觉发展的新起点 游戏娱乐 摄影摄像 机器人/无人机 体育 医疗 安防 交通 工业生产 在线购物 信息检索 1.3 计算机视觉应用 ◆ 20世纪80年代，使用专门的运算单元负责对三维模型形成 的图像进行渲染。 ◆ 1999年，NVIDTA发布GeForce 256, 正式提出了GPU的 概念。 ◆ 2000年，尝试用GPU 来加速通用高密度、大吞吐量的计 算任务。 ◆ 2 0 0 1 年 ，通用图形处理器 (General-Purpose computing on CPU,GPGPU) 的概念被正式提出。 2002年，多伦多大学的James Fung发布了Open VIDIA 利用GPU 实现了一些计算机视觉库的加速，这是第一次 正式将GPU 用到了渲染以外的用途上。 2006年， NVIDIA 推出了利用GPU 进行通用计算的平台 CUDA,很快就流行开并成为了GPU通用计算的主流框架。 2012年， Alex一战成名，同时GPU 也成为了训练深度神 经网络的标配。 相对其他许多传统的机器学习方法，深度神经网络 本身就是一个消耗计算量的大户。另一方面，由于 多层神经网络本身极强的表达能力，对数据量也提 出了很高的要求。 1.4 GPU与并行技术 05 卷积神经网络 03 04 生成对抗网络 1.5 基于卷积神经网络的计算机视觉应用 图像搜索 图像描述 图像分割 人脸识别 02 CHAPTER SU M MA RY Every image tells a sto