精华内容
参与话题
问答
  • 计算机视觉

    千次阅读 多人点赞 2019-08-16 10:44:58
    01 计算机视觉 02 计算机视觉应用 03 机器学习训练图像流程 04 深度学习图像识别流程 05 卷积神经网络 06 物体检测 07 传统目标检测方法 基于深度神经网络目标检测 ...

    01 计算机视觉

    在这里插入图片描述

    02 计算机视觉应用

    在这里插入图片描述

    03 机器学习训练图像的流程

    在这里插入图片描述

    04 深度学习图像识别流程

    在这里插入图片描述

    05 卷积神经网络

    在这里插入图片描述

    06 物体检测

    在这里插入图片描述

    07 传统目标检测方法

    在这里插入图片描述

    基于深度神经网络的目标检测

    在这里插入图片描述

    展开全文
  • 计算机视觉基本研究方向

    千次阅读 2013-10-29 10:27:36
    图像显著性是图像中重要的视觉特征,体现了人眼对图像某些区域重视程度 自从1998年Itti工作以来,产生了大量显著性映射方法,图像显著性也广泛应用于图像压缩、编码、图像边缘和区域加强、显著性目标分割和...

    显著性

    图像显著性是图像中重要的视觉特征,体现了人眼对图像的某些区域的重视程度

    自从1998年Itti的工作以来,产生了大量的显著性映射方法,图像显著性也广泛应用于图像压缩、编码、图像边缘和区域加强、显著性目标分割和提取等.

    我们研究的方面包括以下:

    1 图像显著性的评价体系:特别是针对图像显著性映射在目标提取中的应用,研究如何有效评价已有的显著性映射,方法包括F-measure,分割熵等。

    2构建新的显著性映射:通过分析研究已有的图像显著性方法,构建新的适合于显著性目标提取和检测的显著性映射。

     

    分割

    高用于查找物体用于实现聚类。同时注意包括视频分割。这里注意研究更深入的外围线。

             

    图像分类

    根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读.图像分类


     图像恢复

    图像恢复是通过计算机处理,对质量下降的图像加以重建或恢复的处理过程。因摄像机与物体相对运动、系统误差、畸变、噪声等因素的影响,使图像往往不是真实景物的完善映像。在图像恢复中,需建立造成图像质量下降的退化模型,然后运用相反过程来恢复原来图像,并运用一定准则来判定是否得到图像的最佳恢复。在遥感图像处理中,为消除遥感图像的失真、畸变,恢复目标的反射波谱特性和正确的几何位置,通常需要对图像进行恢复处理,包括辐射校正、大气校正、条带噪声消除、几何校正等内容

          

     

    立体视觉

    人的立体感是这样建立的:双眼同时注视某物体,双眼视线交叉于一点,叫注视点,从注视点反射回到视网膜上的光点是对应的,这两点将信号转入大脑视中枢合成一个物体完整的像。不但看清了这一点,而且这一点与周围物体间的距离、深度、凸凹等等都能辨别出来,这样成的像就是立体的像,这种视觉也叫立体视觉

     

    对象识别(人脸识别)

    通过人脸识别对对象的认识

    一.人脸检测/跟踪

    人脸检测/跟踪的目的是在图像/视频中找到各个人脸所在的位置和大小;对于跟踪而言,还需要确定帧间不同人脸间的对应关系。

    二.人脸特征点定位

    人脸特征点定位的目的是在人脸检测/跟踪获取的人脸区域的基础上,进一步,确定脸部特征点(眼睛、嘴巴中心点、眼睛、嘴巴轮廓特征点、器官轮廓特征点等)的位置。人脸特征点定位的基本思路,主要是将人脸局部器官的纹理特征和器官特征点之间的位置约束进行结合来进行处理。

    三.人脸表示

    人脸表示是指根据人脸特征点的位置,对人脸进行几何校正并割取人脸区域(归一化到固定大小)之后,得到最具有鉴别(区分)能力的特征的过程。

     

     

    观察物体的视点选择(做的很少)

    通过对物体的不同部分的观测重点的不同,设计一个观察物体的视点

     

     

    研究光的一些性质

    光具有各种各样的性质,对图像的影响各不相同

     

     

    视频问题

    连续帧进行分割物体(这个出现的比较多),视频稳像,视频跟踪,同时还有根据现有状态估计将来的动作

     

    跟踪

    物体的跟踪从而创建不同的模型。

     

     

    图形(图像)变换

    这个地方图形变换中的相同物体的识别

    前景和背景的分离

    展开全文
  • 计算机视觉研究方向进展

    千次阅读 2018-12-25 13:49:15
    因此大部分最新工作都首先发表在顶级会议上,这些顶级会议完全能反映“热门研究方向”、“最新方法”。(2)很多经典工作大家可能引是某顶级期刊上论文,这是因为期刊论文表述得比较完整、实验充分。但实...

    最新计算机视觉动态哪里看?

    1 背景

    会议论文比期刊论文更重要的原因是:(1)因为机器学习、计算机视觉和人工智能领域发展非常迅速,新的工作层出不穷,如果把论文投到期刊上,一两年后刊出时就有点out了。因此大部分最新的工作都首先发表在顶级会议上,这些顶级会议完全能反映“热门研究方向”、“最新方法”。(2)很多经典工作大家可能引的是某顶级期刊上的论文,这是因为期刊论文表述得比较完整、实验充分。但实际上很多都是在顶级会议上首发。比如PLSA, Latent Dirichlet Allocation等。(3)如果注意这些领域大牛的pulications,不难发现他们很非常看重这些顶级会议,很多人是80%的会议+20%的期刊。即然大牛们把最新工作发在顶级会议上,有什么理由不去读顶级会议?

    2 顶级会议

    2.1 三大CV顶级会议

    作为刚入门的CV新人,有必要记住计算机视觉方面的三大顶级国际会议:ICCV,CVPR和ECCV,统称为ICE。

    • CV的全称是International Comference on Computer Vision,正如很多和他一样的名字的会议一行,这样最朴实的名字的会议,通常也是这方面最nb的会议。ICCV两年一次,与ECCV正好错开,是公认的三个会议中级别最高的。它的举办地方会在世界各地选,上次是在北京,下次在巴西,2009在日本。iccv上的文章看起来一般都比较好懂,我是比较喜欢的。
    • CVPR的全称是International Conference on Computer Vision and Pattern Recogintion。这是一个一年一次的会议,举办地从来没有出过美国,因此想去美国旅游的同学不要错过。正如它的名字一样,这个会上除了视觉的文章,还会有不少模式识别的文章,当然两方面的结合自然也是重点。
    • ECCV的全称是Europeon Conference on Computer Vision,是一个欧洲的会议。虽然名字不是International,但是会议的级别不比前面两个差多少。欧洲人一般比较看中理论,但是从最近一次会议来看,似乎大家也开始注重应用了,oral里面的demo非常之多,演示效果很好,让人赏心悦目、叹为观止。不过欧洲的会有一个不好,就是他们的人通常英语口音很重,有些人甚至不太会说英文,所以开会和交流的时候,稍微有些费劲。

    总的来说,以上三个会议是做计算机视觉人必须关注的会议,建议每一期的oral都要精读,poster挑自己相关的仔细看看。如果有好的进一步的想法,可以马上发表,因为他们已经是最新的了,对他们的改进通常也是最新的。同时如果你做了类似的工作,却没有引用这些会议的文章,很有可能会被人指出综述部分的问题,因为评审的人一般都是牛人,对这三个会议也会很关注的。

    ICCV/CVPR/ECCV三个顶级会议, 都在一流会议行列, 没有必要给个高下. 有些us的人认为ICCV/CVPR略好于ECCV,而欧洲人大都认为ICCV/ECCV略好于CVPR。

    笔者就个人经验浅谈三会异同, 以供大家参考和讨论. 三者乃cv领域的旗舰和风向标,其oral paper (包括best paper) 代表当年度cv的最高水准, 在此引用Harry Shum的一句话, 想知道某个领域在做些什么, 找最近几年此领域的proceeding看看就知道了. ICCV/CVPR由IEEE Computer Society牵头组织, ECCV好像没有专门负责的组织. CVPR每年(除2002年)都在美国开, ECCV每两年开一次,仅限欧洲, ICCV也是每两年一次, 各洲轮值. 基本可以保证每年有两个会议开, 这样研究者就有两次跻身牛会的机会.

    2.2 其他会议

    • 机器学习顶级会议:NIPS, ICML, UAI, AISTATS; (期刊:JMLR, ML, Trends in ML, IEEE T-NN)
    • 计算机视觉和图像识别:ICCV, CVPR, ECCV; (期刊:IEEE T-PAMI, IJCV, IEEE T-IP)
    • 人工智能:IJCAI, AAAI; (期刊AI)
    • 另外相关的还有SIGRAPH, KDD, ACL, SIGIR, WWW等。

    特别是,如果做机器学习,必须地,把近4年的NIPS, ICML翻几遍;如果做计算机视觉,要把近4年的ICCV, CVPR, NIPS, ICML翻几遍。

    3 论文下载

    以上期刊很多论文都可以在网上免费下载,在CV方面如:CVPapersNIPSJMLR(期刊)COLT和ICML(每年度的官网)

    参考文献

    展开全文
  • 1、计算机视觉的主要研究领域 计算机视觉领域包括的主要领域有图像分割(图像信息预处理)、三维重建和模式识别(包括对静态、动态物体的识别与理解)。 (1)图像分割:图像分割是图像识别和计算机视觉至关重要的...

     

    计算机视觉的一些常识

     

    1、计算机视觉的主要研究领域

    计算机视觉领域包括的主要领域有图像分割(图像信息预处理)、三维重建和模式识别(包括对静态、动态物体的识别与理解)。

    (1)图像分割:图像分割是图像识别和计算机视觉至关重要的预处理。没有正确的分割就不可能有正确的识别。但是,进行分割仅有的依据是图像中像素的亮度及颜色,由计算机自动处理分割时,将会遇到各种困难。例如,光照不均匀、噪声的影响、图像中存在不清晰的部分,以及阴影等,常常发生分割错误。因此图像分割是需要进一步研究的技术。

    (2)三维重建(场景重建):是指对三维物体建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术。

    (3)模式识别:模式识别(英语:Pattern Recognition),又称图形识别,就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说,特别重要的是对光学信息(通过视觉器官来获得)和声学信息(通过听觉器官来获得)的识别。这是模式识别的两个重要方面。模式识别中的预处理和特征抽取环节应用图像处理的技术;图像处理中的图像分析也应用模式识别的技术

     

            计算机视觉具体研究方向包括但不限于:场景重建;视频跟踪、目标追踪、目标物识别、图像分类、目标检测、文字识别、图像检索;图像恢复、图像滤波与降噪、图像增强、风格迁移;GAN。

           从技术角度计算机视觉也有如下的方向划分:图像分类、视频分类、目标物定位、图像内目标物分割、视频内目标物分割、目标追踪、行为识别、行为定位、姿态估计。

     

     

    关于计算机视觉研究方向的应用的方法也分为两个方向:基于深度学习的和基于几何方法的传统方法

            基于深度学习的应用包括:文字识别、图像识别、人脸识别、视频内容理解、医疗影像诊断、神经网络芯片、驾驶辅助等。         基于几何方法的应用:虚拟现实、增强现实、三维重建、机器人、无人机、无人驾驶等。

    2、关于识别的现状和问题

            一个计算机视觉,图像处理和机器视觉所共有的经典问题便是判定一组图像数据中是否包含某个特定的物体,图像特征或运动状态。这一问题通常可以通过机器自动解决,但是到目前为止,还没有某个单一的方法能够广泛的对各种情况进行判定:在任意环境中识别任意物体。现有技术能够也只能够很好地解决特定目标的识别,比如简单几何图形识别,人脸识别,印刷或手写文件识别或者车辆识别。而且这些识别需要在特定的环境中,具有指定的光照,背景和目标姿态要求

           广义的识别在不同的场合又演化成了几个略有差异的概念:

           识别(狭义的):对一个或多个经过预先定义或学习的物体或物类进行辨识,通常在辨识过程中还要提供他们的二维位置或三维姿态。

           鉴别:识别辨认单一物体本身。例如:某一人脸的识别,某一指纹的识别。

           监测:从图像中发现特定的情况内容。例如:医学中对细胞或组织不正常技能的发现,交通监视仪器对过往车辆的发现。监测往往是通过简单的图象处理发现图像中的特殊区域,为后继更复杂的操作提供起点。

           识别的几个具体应用方向:

    基于内容的图像提取:在巨大的图像集合中寻找包含指定内容的所有图片。被指定的内容可以是多种形式,比如一个红色的大致是圆形的图案,或者一辆自行车。在这里对后一种内容的寻找显然要比前一种更复杂,因为前一种描述的是一个低级直观的视觉特征,而后者则涉及一个抽象概念(也可以说是高级的视觉特征),即‘自行车’,显然的一点就是自行车的外观并不是固定的。

    姿态评估:对某一物体相对于摄像机的位置或者方向的评估。例如:对机器臂姿态和位置的评估。

    3、计算机视觉需要的专业基础理论知识(不局限于下面的内容)

    1深度学习(AE\VAE\RBM\DBN\CNN\RNN\GAN);

    2机器学习常用基本算法决策树、朴素贝叶斯分类器、聚类、支持向量机、线性回归、Logistic 回归、K近邻算法、集成学习等

    3概率图(贝叶斯有向图、马尔可夫无向图);

    4最优化理论(最小二乘、线性规划、非线性规划、凸优化);

    展开全文
  • 计算机视觉顾名思义,就是让计算机具备像人眼...作为一个科学学科,计算机视觉研究相关理论和技术,试图建立能够从图像或者多维数据中获取“信息”人工智能系统。计算机视觉目前还主要停留在图像信息表达和物...
  • 非常完整机器视觉研究方向总结,按技术原理、按应用场景进行划分。 转自:http://studyai.com/article/70f86341 PS: 若MarkDown不支持 TOC 和 TOCM 标题预览,可访问上述地址,分类结构更加清晰。 [TOCM] [TOC] ...
  • 【AI白身境】计算机视觉都有哪些研究方向

    千次阅读 多人点赞 2019-03-01 07:22:52
    相信看了前面的几篇文章后很多朋友已经等不及快速入行了,今天就来介绍一下计算机视觉的各大研究方向及其特点。 所谓计算机视觉,即compute vision,就是通过用计算机来模拟人的视觉工作原理,来获取和完成一系列...
  • 深度学习与计算机视觉

    千人学习 2020-07-13 17:12:35
    1、本课程总计9大章节,是一门系统入门计算机视觉的课程,未来将持续更新。 2、课程从计算机视觉理论知识出发,理论结合实战,手把手的实战代码实现(霍夫变换与模板匹配,AlexNet OCR应用,VGG迁移学习,多...
  • 我是研究移动机器人,想通过视觉方式实现机器人在有障碍物环境中面向目标自主移动,首先要实现在没有障碍物环境中面向目标移动,现在我需要人为设定一个目标,通过图像处理方法识别出该目标,并获取改目标...
  • http://blog.csdn.net/kaspar1992/article/details/53196060 https://ocw.mit.edu/index.htm https://zhuanlan.zhihu.com/learn-robotics ...
  • 机器视觉

    千次阅读 2018-05-01 19:59:35
     计算机视觉为机器视觉提供图像和景物分析的理论及算法基础,机器视觉为计算机视觉的实现提供了传感器模型,系统构造和实现手段。 机器视觉系统一般以计算机为中心,主要由视觉传感器,高速图像采集系统及专用图像...
  • 世界坐标系,相机坐标系,图像坐标系,图像像素坐标系这四个坐标系转换实质就是刚体变换、透视投影和数字化图像这几个成像里步骤。 一、世界坐标系到相机坐标系 世界坐标系,也称为测量坐标系,它是一个三维...
  • 计算机视觉方向博客整理

    千次阅读 2013-07-01 10:59:19
    提示:本文为笔者原创,转载请注明出处:blog.csdn.net/carson2005 以下链接是本人整理关于计算机视觉(ComputerVision, CV)相关领域网站链接,其中有CV牛人主页,CV研究小组主页,CV领域paper,代码,CV...
  • 通过本课程的学习,学员可把握基于深度学习的计算机视觉的技术发展脉络,掌握相关技术原理和算法,有助于开展该领域的研究与开发实战工作。另外,深度学习之计算机视觉方向的知识结构及学习建议请参见本人CSDN博客。...
  • 通过本课程的学习,学员可把握基于深度学习的计算机视觉的技术发展脉络,掌握相关技术原理和算法,有助于开展该领域的研究与开发实战工作。另外,深度学习之计算机视觉方向的知识结构及学习建议请参见本人CSDN博客。...
  • 编辑部主页:好像没啥用 http://shop.oreilly.com/product/0636920022923.do 每章代码,github上面:中文版 https://github.com/willard-yuan/pcv-book-code github上面,英文版: ...
  • 作机器视觉和图像处理方面的研究工作,最重要的两个问题:其一是要把握住国际上最前沿的内容;其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在...
  • 最近在网上看到了很多关于坐标系转换帖子,但是其内容很多都是相互转载(甚至还有一部分是错误),同时大部分文章内容都是告诉你四种坐标系间相互转化数学公式,看完之后很多时候还是不知所云,本文意在...
  • 这篇文章从一个刚刚开始计算机视觉研究的初学者角度,详细探讨了这个领域文献、专家学者、研究组、博客,并重点说明了如何开始研究,如何选择方向,如何看论文、实现代码、调试代码等,并详细说明了研究计算机...
  • 3D计算机视觉

    千次阅读 2018-06-29 08:39:22
    资源1:16篇系列:https://www.cnblogs.com/ironstark/category/759418.html资源2:三维计算机视觉(一)--点云处理综述 - CSDN博客三维计算机视觉(二)--点云滤波 - CSDN博客三维计算机视觉(三)--点云分割 - CSDN博客...
  • 讲真在计算机这个庞大体系下挑选出一个方向来确实蛮难,自己挑来挑去,有种乱花渐欲迷人眼感觉,不过就目前自己兴趣、性格和学习能力,远景规划来看,计算机视觉这个方向目前来看对我自己来说确实是一个十分...
  • 做机器视觉和图像处理方面的研究工作,最重要的两个问题:其一是要把握住国际上最前沿的内容;其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在...
  • 转自: http://blog.sina.com.cn/s/blog_6833a4df0100nnem.html 该作者也是转载  做机器视觉和图像处理方面的研究工作,最重要的两个问题:其一是要把握住国际上最前沿的内容;其二是所作工作要具备很...
  • 论文地址从摄影测量到计算机视觉龚健雅摄影测量:透视几何、成像设备、摄影平台、测量法和测量工具几何角度:计算机视觉和摄影测量之间紧密联系。语义方面 分析了遥感学科发展,与机器学习和计算机视觉之间...
  • 计算机研究方向

    千次阅读 2019-05-31 17:19:55
    计算机研究方向 1、计算机应用技术 计算机网络 实时计算机应用 CIMS 计算机图形学 并行计算 网络信息安全 数据库 情感计算 数据挖掘 分布式计算 知识工程 计算机视觉 自动推理 机器学习 草图理解 网络性能分析与...
  • 计算机视觉概述

    千次阅读 2018-08-29 16:53:09
    计算机视觉旨在识别和理解图像/视频中的内容。...计算机视觉的顶级会议有:CVPR、ICCV、ECCV、ICLR,顶级期刊有IJCV和TPAML。 计算机视觉包含四大基本任务:分类、检测、语义分割和实例分割。 1) 图...
  • 计算机视觉内容学习

    千次阅读 2017-04-10 22:13:53
    1.计算机视觉的主要分类 A.图像处理:对输入的图像做某种变换,输出仍然是图像,基本不涉及或者很少涉及图像内容的分析。比较典型的有图像变换,图像增强,图像去噪,图像压缩,图像恢复,二值图像处理等等。基于...
  • 计算机视觉新手指南

    千次阅读 2020-04-23 12:39:44
    机器仿生人眼的研究工作可以追溯到50年代,从那时起,我们已经走了很长一段路。计算机视觉技术已经通过不同的电子商务领域以及相机应用程序进入了我们的手机。 想一想当机器能够像人眼一样准确地看到周围环境...

空空如也

1 2 3 4 5 ... 20
收藏数 40,666
精华内容 16,266
关键字:

计算机视觉的研究方向