计算机视觉基础入门_01_introduction

前言

        因为毕业设计设计到机器视觉部分，所以在寒假的时候看了北邮鲁鹏老师的计算机视觉（本科）的公开课程，观看之后不由大为震撼，即使初次接触也令我如痴如醉，越看越上头。还是比较庆幸本科选择了CS专业，我发现其实自己挺喜欢学计算机，因为它让我看到了可以改变自己生活方式、真正去拥抱生活的希望。我真的再过几年的时间，我可以真的实现我的目标，至于目标是什么，等我真正达到了，再回来划伤句号。

---

机器视觉系统的目标：

为了跨越"语义鸿沟"，使得机器能够提取出图像中的内容

---

人类视觉特点：

1. 运动致盲
   在识别图像时为了加快理解物体、快速反应物体，人类可能会只关注主体，而去忽略其他细节，
2. 能够利用上下文背景信息去理解图像
   如：在初次接触陌生信息时，会用个人常识去先入为主理解自己所接收到的信息
3. 人类视觉系统有时可能会对图像进行增强加工，有时候我们看到的并不是真的图像表现。
   这也是人类进化的结果，为了让我们能够去更好理解世界；而如果让机器来识别就永远都看不出来不同
4. 视觉系统会脑补物体运动，及时图像本身是静态的

---

计算机视觉学科起源

从1966年MIT的人工智能研究组夏令营开始，明斯基教授在做符号推理时遇到了机器识别图像的相关问题，发现无法从现有的知识体系出发解决问题，没有一个指导思想或者一套工具来解决这个问题，问题是什么都没描述不清楚，遇到了什么难点也都描述不清楚，于是从图像处理中分割出来了计算机视觉领域。

---

计算机视觉传奇人物——大卫·马尔（David Marr）

大卫马尔给出了计算机视觉系统的框架，给其分为三层：

1. 计算理论（Computational theory）
   计算机视觉的目标、任务是什么，以及在干的过程中到底有哪些约束
2. 表达和算法（Representations and algorithms）
   如何表示输入、输出以及中间的计算过程如何表示；输入和输出之间的过程如何实现
3. 硬件实现（Hardware implementation）
   通过硬件来实现算法，从而加速；用硬件的约束来去指导算法简化模型

为了纪念David Marr，为此在计算机视觉领域上计算机视觉国际大会（ICCV）设立了最高奖马尔奖（Marr Price)

---

图像中包含的信息 => 计算机视觉的主要工作

1. 3D场景信息. => 从图像中恢复3D结构信息，3D重建
2. 语义信息. => 从图像中恢复语义信息，用来理解图像是什么

---

最后第一节课堂上老师的话：
速成只能解决别人已经解决过的问题，把别人思路再复现一次，不能解决新的问题；
更重要是培养专业的思维方法和踏实的知识储备