计算机视觉与OpenMM

计算机视觉

计算机视觉是什么

计算机视觉是一门让计算机学会“看”的学科，研究如何自动理解图像和视频中的内容。

计算机视觉的发展

1. 早期萌芽（1960~1980）；
2. 统计机器学习与模式识别（1990~2000），如Eigen Face、Haar小波特征、Adaboost级联分类器、LBP、SIFT、HOG等；
3. ImageNet大型数据库（2006~2010），在此期间出现了Deformable Part Model for object detection；
4. 深度学习的时代（2012~），一大批具有优异性能的网络开始出现，如AlexNet、ResNet等，并且深度学习的应用范围也在不断拓展，如目标检测、实力分割、图像生成等。

OpenMM

OpenMM的现状

1. 提供先进的底层架构；
2. 覆盖计算机视觉众多方向；
3. 提供最经典、最前沿的算法支持；
4. 提供统一的基准和开箱即用的工作。

机器学习和神经网络

机器学习

让计算机从数据中学习去解决问题。

机器学习的典型范式

1. 监督学习。数据之间存在某种映射关系，如何基于有限的数据样本推断出这种关系？
2. 无监督学习。数据自身是否存在某种“结构”或“规律”？
3. 强化学习。如何与环境交互，以获得最大的收益？

神经网络

一种拟合能力非常强的函数，可以通过两层感知机方便地拟合异或函数。