计算机视觉与深度学习-前言

1.机器视觉

2计算机视觉

2.1什么是计算机视觉

2.2计算机视觉的目标

建立图像像素到语义信息的映射

2.3计算机视觉的顶级会议

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

2.4计算机视觉的层次

1）计算理论：计算的目的是什么？该问题的已知或可以施加的约束是什么？
2）表达和算法：输入、输出和中间信息是如何表达的？使用哪些算法来计算所期望的结果？
3）硬件实现：硬件实现:表达和算法是如何映射到实际硬件即生物视觉系统或特殊的硅片上的?相反地，硬件的约束怎样才能用于指导表达和算法的选择?随着计算机视觉中使用图形芯片和多核结构日益增长，这个问题再次变得相当重要

2.5视觉表达的三阶段

2.6图像包含哪些信息

2.7计算机视觉领域的发展线

2.8应用

1）产业动画
2）三维建模
3）摄影
4）生物识别
5）光学字符识别
6）谷歌地图
7）家用型机器人
8）视觉搜索
9）穿戴设备
10）无人驾驶
11）新零售
12）人机交互
13）增强现实
。。。

3.深度学习三要素

1）算法
2）数据
3）算力