cs231n第一讲笔记整理

任务时长：

11/29——11/30

任务标题：

学习计算机视觉发展历史及一些计算机视觉任务概念

任务简介：

观看第一讲：课程简介 1,2,3课时视频

任务详解：

第一讲：课程简介
·1计算机视觉概述
对课程和计算机视觉的简单介绍，介绍一些斯坦福的课程
Ps:关注一下图像数据来源有哪些
·2计算机视觉历史背景
动物视觉历史
猫视觉的试验，猫的初级视觉细胞对边缘产生回应
计算机视觉发展历史 （直接分类–›手动提取特征–›神经网络）
目标检测的数据集合 pascal voc
Imagenet数据集合
2012年之后cnn总会获得iamgent的比赛冠军
Ps: sift feature 是什么，可以用来干什么。金字塔匹配思想是什么，可以用来干什么。 hog特征是什么，可以用来干什么。了解一下pascal voc数据集合及imagenet数据集合
·3课程后勤
图像的一些任务：图像分类，目标检测，图像描述
Imagenet比赛中的一些代表模型
Cnn在1998年被严乐春初次使用
Ps: 图像任务有哪些，解决什么样的图像问题 在imagenet比赛中成绩突破是哪一个网络 既然神经网络早就存再为什么神经网络最近才兴起

视频链接：
cs231n视频https://www.bilibili.com/video/av58778425?from=search&seid=16015632984101705617

作业

1. 图像的数据主要来源有哪些 （列举几个即可）
MNIST

MNIST是一个手写数字数据库，它有60000个训练样本集和10000个测试样本集，每个样本图像的宽高为28*28。此数据集是以二进制存储的，不能直接以图像格式查看。

Imagenet

Imagenet数据集有1400万幅图片，涵盖2200个类别；其中有超过百万的图片有明确的类别标注和图像中物体位置的标注。

CIFAR

CIFAR-10包含10个类别，50,000个训练图像，彩色图像大小：32x32，10,000个测试图像。CIFAR-100与CIFAR-10类似，包含100个类，每类有600张图片，其中500张用于训练，100张用于测试；这100个类分组成20个超类。图像类别均有明确标注。

2. sift feature 是什么，可以用来干什么。金字塔匹配思想是什么，可以用来干什么。 hog特征是什么，可以用来干什么。

• sift feature是基于特征的目标识别，其思路就是用一个目标去匹配另一个目标。通过观察该目标的某些特征，这些特征具有表现性和不变性，所以目标识别首要的任务是在该目标上确认这些关键特征，然后把这些特征与相似的目标进行匹配，这比匹配整个目标要容易的多。
• 金字塔匹配思想是图片里有各种特征，这些特征可以告诉我们图片属于哪种场景，是风景还是厨房等。这个算法从图片的不同部分提取特征，并把他们放在一起作为一个特征描述符，然后在特征描述符上做一个SVM（support vector machine）。
• 方向梯度直方图（Histogram of Oriented Gradient,HOG）是指把一些特征放在一起后，研究如何在实际的图片中合理地设计人体姿态以及辨认人体姿态。

3. 神经网络早就存再为什么神经网络最近才(提示：从数据和硬件方面考虑)
计算能力得到提高，有大量的数据集
4. 图像任务有哪些，解决什么样的图像问题（eg:图像分类就是看图片中的物体具体是什么。）
图像分类：以一张图片作为输入，从固定的类别集合中选出该图像所属的类别
目标检测：识别图像中的物体
图像摘要：通过一张图片来生成一段语句用以描述这张图片

参考： 深度学习视觉领域常用数据集汇总 https://www.jianshu.com/p/9990284bc4d5