CV 算法原理 计算机视觉 计算机视觉cv是什么意思

什么是计算机视觉？

计算机视觉的边界

CV与其他方面知识的联系。

计算机视觉的特点

输入是图像或视频，输出不仅限于图像或视频，还可以是语义标签、三维场景的结构信息等，更强调的是图像或者视频内容的输出。

计算机视觉的目标

跨越“语义鸿沟”建立 像素 到 语义 的映射。

因为机器识别的图像信息全是像素点，而人所看到的图像信息则是几个短句可以描述的，图像中的信息又包括结构信息和语义信息，让计算机具有跨越“语义鸿沟”的表达能力，是计算机视觉领域致力完成的工作。

两大顶级会议（行业方向）

CVPR（IEEE Conference on Computer Vision and Pattern Recognition）
ICCV（International conference on computer vision）

视觉识别的任务

图像分类、目标检测、图像分割、图像描述、图像生成

有效的工具

对于视觉识别任务而言，目前最有效的工具就是卷积神经网络。

ImageNet

ImageNet项目是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释，以指示图片中的对象;在至少一百万个图像中，还提供了边界框。该数据集是斯坦福大学李飞飞教授等人开发建立的。

神经网络从2012年开展之今，早在2015年在该数据集上的识别效果达到甚至超过人类水平。

卷积神经网络的发展

神经网络最早于1998年提出，但是由于当时的数据少、图像小、硬件水平不高，未能引起轰动。

随着信息时代的发展，芯片集成度高，又有了GPU的运算，同时图像的像素点大幅增多，于2012年神经网络得到业界的关注并迅速发展。

深度学习三要素

算法、数据、算力

计算机视觉的应用

1.三维建模
2.摄影技术
3.生物识别
4.机器人
5.视觉搜索
6.穿戴设备/人机交互
7.自动驾驶/无人驾驶
8.AR
9.气象
10.太空探索

技能树