计算机视觉
计算机视觉能力
1、掌握 “将计算机视觉应用转化为具体任务” 的能力
2、学会开发和训练 “处理图像、视频等视觉数据” 的模型；
3、了解计算机视觉领域的 “现状与未来方向”—— 这也是本学年新增部分内容的原因。
1、什么是计算机视觉
其核心是 “让机器能够看见并理解图像”，而 “图像分类” 是这一领域最基础的任务。
如果仅仅只是看见，那么这就不是计算机视觉，而是照相机。
挑战
计算机理解图片靠的是像素值
当同一件物体，在摄像头经过平移后，这对于人而言，不是什么问题，但是对于计算机而言是一个很大的挑战，因为计算机理解图片靠的是数据张量
同理，光照条件、背景干扰、背景物体、物体缩放、类内差异（同一种猫有很多颜色，但是都是属于同一类）、上下文依赖。都会影响计算机去理解图片内容
图像分类的探索
（1）探索
前人对于图像分类尝试利用传统算法那样，构造出一种硬规则，就是现在图像中寻找边缘，然后再生成边缘图案，观察其中重要的图案如角点，再根据角点的特征进行分类。但是这个拓展起来十分困难，而且要对每个物体都制定一个严格的规则。为此这个图像分类算法没有取得很大的成功
（2）新发现
机器学习带来了一种数据驱动方法
第一步：收集带有标签的图像数据集
第二步：使用机器学习算法训练分类器（本质上就是构建一个训练函数，该函数接收训练数据中的图像及其对应的标签，然后构建一个能够将图像与标签关联起来的模型）
第三步：在新的图像上评估这个分类器（本质上一个名为预测的函数，该函数接收训练好的模型和一些测试图像）
最近邻分类器
有5张图像，还有1张查询图像，我们要做的就是找出训练数据中哪一张图像与这张查询图像最相似，要做到这一点，就要用到距离函数，这个距离函数需要接收两张图像，
也就是将查询图像与每一张训练图像进行配对比较，然后返回一个数值，这个数值用来定义这两张输入图像之间的相似度，最常用的计算相似度的方法是L1距离，是指两个点在坐标系上绝对差值的总和（也就是两直角边之和）
除了L1距离方法，还有L2，L2就是两点间的直线距离
但是最近邻出现了一个问题，抗干扰能力太差了，因为他在预测阶段是逐个和训练数据比对，看哪个相似度最高，但是万一不对怎么办？
故可以用k近邻，他在预测阶段是逐个和训练数据比对，找前k个相似度最高的
但是k近邻的预测阶段时间复杂度好高呀，于是就有了线性分类
线性分类的核心是通过线性变换将 “样本特征” 转化为 “类别分数”，公式非常简洁：s = W *x + b
正则化：在训练中更差，在测试中更好
四大基础
深度学习基础（Deep Learning Basics）：涵盖线性分类、正则化、优化和神经网络原理 。
视觉感知与理解（Perceiving and Understanding the Visual World）：任务对齐模型（如前述分割检测任务） 。
生成与交互式智能（Generative and Interactive Visual Intelligence）：包括自监督学习、生成模型和语言模型 。
人本应用（Human-Centered Applications）：聚焦伦理、影响和实际部署 。
早期课程重点为构建基础模型（如图像分类），逐步过渡到先进主题 。
评论