1. 计算机视觉概述

  研究理论和应用：
    • 研究如何使机器“看”的科学
    • 让计算机具有人类视觉的所有功能
    • 让计算机从图像数据中，提取有用的信息并解释
    • 重构人眼；重构视觉皮层；重构大脑剩余部分

  模拟人类视觉的优越能力：
    • 识别人、物体、场景
    • 估计立体空间、距离
    • 躲避障碍物进行导航
    • 想象并描述故事
    • 理解并讲解图片

  弥补人类视觉的缺陷：
    • 关注显著内容、容易忽略很多细节
    • 不在乎、不擅长精细感知
    • 容易受幻觉干扰
    • 描述主观、模棱两可
    • 不善于长时间稳定的执行同一个任务
    • 当然，还有视觉障碍人士

  计算机视觉一般使用感知设备（如摄像头）模拟人的眼睛，使用计算设备（如CPU/GPU/FPGA）模拟人的大脑，如下图所示。

  高度复合学科：
    • 工程
    • 计算机科学
    • 数学
    • 心理学
    • 生物学
    • …

  2个主要研究维度：
    • 语义感知（semantic）
    • 几何属性（Geometry）

  感知上的本质差异：

  人工智能目标： • 解决”像素值”与”语义”之间的鸿沟（Gap）

2. 研究挑战

挑战	举例
视角变化
光照变化
尺度变化
形态变化
背景混淆干扰
遮挡
类内物体的外观差异

3. 内容简介

  部分I：计算机视觉的基础
      $\diamond$ 图像预处理
      $\diamond$ 图像特征及描述
      $\diamond$ 未有深度学习之前
  部分II：深度学习的理论基础
      $\diamond$ BP神经网络详解
      $\diamond$ 深度学习基础
  部分III：深度学习在计算机视觉中的应用
      $\diamond$ 图像分类 $\leftarrow$ 卷积神经网络CNN
      $\diamond$ 图像检测 $\leftarrow$ 区域卷积神经网络R-CNN
      $\diamond$ 图像分割 $\leftarrow$ 全卷积神经网络FCN
      $\diamond$ 图像描述 $\leftarrow$ 迭代神经网络RNN
      $\diamond$ 图像生成 $\leftarrow$ 生成对抗网络GAN

3.1 计算机视觉的基础

• 图像预处理： 1. 图像显示与存储原理
         2. 图像增强的目标
         3. 点运算：基于直方图的对比度增强
         4. 形态学处理
         5. 空间域处理：卷积
         6. 卷积的应用（平滑、边缘检测、锐化等）
         7. 频率域处理：傅里叶变换、小波变换
• 图像特征及描述： 1. 颜色特征
            $\diamond$ 量化颜色直方图
            $\diamond$ 聚类颜色直方图
           2. 几何特征
            $\diamond$ Edge，Corner，Blob
           3. 基于关键点的特征描述子
            $\diamond$ SIFT，SURF，ORB
           4. 其他特征提取（LBP、Gabor）
• 深度学习之前的方法： 1. 图像分割
              $\diamond$ 基于阈值、基于边缘
              $\diamond$ 基于区域、基于图论
             2. 人脸检测
              $\diamond$ Haar-like特征+级联分类器
             3. 行人检测
              $\diamond$ HOG+SVM
              $\diamond$ DPM

3.2 深度学习的理论基础

• 神经网络与深度学习基础： 1. 神经网络
                $\diamond$ 神经元
                $\diamond$ 前馈网络
                $\diamond$ 梯度下降
                $\diamond$ 误差反向传播
               2. 深度学习
                $\diamond$ 与传统神经网络的区别
                $\diamond$ 目标函数
                $\diamond$ 改进的梯度下降
                $\diamond$ 避免过适应

3.3 深度学习在计算机视觉中的应用

• 识别$\to$内容是什么？ 1. 人脸识别
             2. 字符识别
             3. 车牌识别
             4. 行为识别
             5. 步态识别

• 基于深度学习的方法：图片分类$\leftarrow$有没有？
  卷积神经网络CNN： • 计算机视觉中的基础网络
             • 有监督深度模型时代的起点
             • AlexNet$\to$VGG$\to$GoogLeNet$\to$ResNet$\to$ResNeXt
             • GoogLeNet
              • Inception V1 $\to$ V2$\to$ V3$\to$ V4
              • Inception ResNet V1 $\to$ V2
             • 结构趋势
              • 更深（Depth）：8层$\to$ 1000+层
              • 更宽（Width）：1分支$\to$ 4+分支
              • 更多基数（Cardinality ）：1$\to$ 32

• 基于深度学习的方法：检测$\to$目标在哪儿？ 1. 物体检测
                       2. 人脸检测
                       3. 姿态检测
  区域卷积神经网络R-CNN： • 让基础网络具备区域输出能力
                • 第1阶段：R-CNN$\to$ SPP-Net$\to$ Fast/Faster R-CNN
                • 第2阶段：YOLO$\to$ SSD$\to$ R-FCN
                • 目的
                 • 检测更快、更准确
                • 工业应用
                 • 智能监控
                 • 辅助驾驶

• 基于深度学习的方法：图片分割$\to$区域轮廓？ 1. 前景分割
                        2. 语义分割
  全卷积神经网络FCN： • 让基础网络做像素输出
             • FCN$\to$SegNet/DeconvNet$\to$DeepLab
             • 目的
              • 语义推断
              • 分割更精确
             • 工业应用
              • 辅助驾驶
              • ……
             • 反卷积/转置卷积
  应用： 对医学、生物影像中的器官、 组织或细胞进行分割，即判断出影像中的每一个像素点是否属于器官、组织或细胞。
      生物医疗领域的图像分割。
      U-net和V-net。

• 视觉&语言： 1. 图片描述 （Captioning）
        2. 图片问答（Question Answering）
  递归神经网络RNN： • 具有记忆功能，构建不定长序列数据的模型
             • Vanilla RNN$\to$LSTM$\to$GRU
             • 应用范围
               • 文本序列
               • 区域序列
               • 视频序列
             • 研究问题
               • 图片描述、问答
               • 机器翻译

• 图像生成： 1. 样本分布学习
        2. 超分辨率
        3. 以图生文
        4. 语义分割
  生成对抗网络GAN： • 网络结构
              • 生成器网络（ Generator ）
              • 判别器网络（ Discriminator ）
            • 网络改进
              • GAN$\to$CGAN $\to$ DCGAN$\to$ wGAN
              • SRGAN
            • 应用范围：
              • 样本数据分布（生成）学习
              • 有监督问题的优化

• 图片检索$\to$相似图片

4. 开源库与应用环境介绍

4.1 实践环境

• Windows
• OpenCV 3.4
• Python 3.6+
• TensorFlow 1.9+
• Keras等

4.2 开源库

• OpenCV
  • 函数库：计算机视觉，机器学习
  • 优化算法：2500+
  • 编程语言：C, C++, Java, Python, MATLAB
  • 系统：Windows, Linus, Mac OS, iOS, Android
  • 并行计算：CUDA, OpenCL
  • URL：http://opencv.org/
• Caffe
  • 函数库：深度学习
  • 发布方：Berkeley Vision and Learning Center (BVLC)
  • 编程语言：C++, Python
  • 并行计算：CUDA
  • URL：http://caffe.berkeleyvision.org
  • 特色：
    • 在配置中定义模型并优化，不需要硬编码
    • 代码的可扩展性强
    • 运行速度非常快
• Torch(PyTorch)
  • 函数库：深度学习
  • 发布方：Facebook
  • 编程语言：Lua(Python)
  • 并行计算：CUDA
  • URL：https://torch.ch(http://pytorch.org/)
  • 特色：
    • 使用动态计算图，提供了更快速的方法
    • 提供了运行在 GPU/CPU 之上、基础的张量操作库
    • 支持共享内存的多进程并发（multiprocessing ）库
• Tensorflow
  • 函数库：深度学习
  • 发布方：Google
  • 编程语言：Python
  • 并行计算：CUDA
  • URL： https://www.tensorflow.org/
  • 特色：
    • 多机、多GPU分布式
    • 适用于超大模型，超大数据集
    • Tensorboard将训练过程可视化
• Keras
  • 函数库：深度学习
  • 发布方： Franois Chollet
  • 编程语言：Python
  • URL：https://keras.io
  • 特色：
    • 兼容 Theano 和 Tensorflow 的深度学习高级包
    • 用户友好，高度模块化，易扩展性

5. 环境搭建

5.1 安装Tensorflow

  CPU版本Tensorflow安装步骤$\to$TensorFlow的安装（Anaconda+TensorFlow+PyCharm）。

5.2 安装opencv

  打开命令窗口，输入pip install opencv-python后回车，进行安装。等待一会，出现Successfully installed opencv-python-4.5.2.52后表示安装成功！

  安装成功后，使用如下所示的代码进行验证。

#导入cv模块
import cv2 as cv
#读取图像，支持 bmp、jpg、png、tiff 等常用格式
img = cv.imread(r"C:\Users\Administrator\Desktop\test.jpg")
#创建窗口并显示图像
cv.namedWindow("Image")
cv.imshow("Image",img)
cv.waitKey(0)
#释放窗口
cv2.destroyAllWindows()

  运行上述程序，会将C:\Users\Administrator\Desktop\test.jpg路径下的图片在窗口显示出来，说明opencv安装成功。