计算机视觉：从CV基础到深度学习

第一讲 工欲善其事必先利其器——图像处理基础

1, Opencv入门；

2, 图像的基本操作（遍历图像，ROI选取等）
（Python基础）

应用：手写字符识别（KNN）

第二讲 空域图像处理的洪荒之力

1，线性非线性滤波器

边缘检测方法：sobel，canny以及图像拉普拉斯

应用：车牌识别（SVM+NN）

第三讲：机器视觉中的特征提取与描述

1，霍夫变换（普通，和概率）

2，局部特征大汇总（GFTT，SIFT，SURF，FAST，ORB等等）

第四讲：坐标变换与视觉测量 ###

1，相机模型

2，2D，3D，坐标变换

3，相机标定

应用：增强现实技术simple VR不神秘（第三讲第四讲综合演练）

第五讲：数据处理并不难

（ML&CV中的数据处理方法：PCA， SVD分解，聚类）

应用：人脸识别之Eigenfaces

第六讲：深度学习在图像识别中的应用

分类：linear regression, neural networks

检测：bounding box regression

定位：localization

应用：使用CNN进行图像识别

第七讲：图像搜索

1. 图像搜索常用方法（聚类、降维等）
2. 大规模数据搜索（spark, data paralleling, etc）
3. 动作识别流程、方法

第八讲：图像标注与问答

1. 语言模型介绍
2. LSTM模型与标注问题
3. 应用：DenseCaption in Generating Captions in Images.

第九讲：3D计算机视觉

1. 表面和外形重构
2. 基于模型的重构
3. 应用：人脸动画

第十讲：机器视觉项目实战

CV 实战：以鲸鱼识别为例，利用深度学习解决Kaggle竞赛中的图像分类问题