计算机视觉发展历史

目录

1.视觉对于生物界的重要作用

2.人类对于计算机视觉的探索

2.1 20世纪50年代——研究生物视觉的工作原理

2.2 20世纪60年代——计算机视觉萌芽

2.3 20世纪70年代——开创性提出识别流程

2.4 20世纪80年代——着眼于提取特征

2.5  20世纪90年代——图像分割

2.6  21世纪初——各类经典算法出现

1.视觉对于生物界的重要作用

5亿4千年之后的一千万年间，物种数量呈现了爆发式增长，这是一个神秘的进化论，他们称为物种大爆炸，什么原因造成的呢？安德鲁提出了最令人信服的理论之一，他发现这一时期的动物发展了眼睛，开始出现视力。视力的出现让他们能够获得更多信息，也因此更容易生存繁衍

视觉在我们人类日常生活中扮演着重要角色，每天有70%的信息都是通过视觉获得的。

因而未来计算机视觉，就是要让计算机通过视觉来理解世界，是智能化的必不可少的一步。

2.人类对于计算机视觉的探索

2.1 20世纪50年代——研究生物视觉的工作原理

Hubel和Wiesel的一些研究成果，他们从电生理学的角度来分析猫咪的视觉皮层系统，那么为什么要选择可爱的小猫咪呢？是因为猫咪的视觉皮层系统和人类相似，从中发现了视觉通路中的信息分层处理机制，也就是它是一层一层提取信息的，最简单的信息在最前面提取，然后不断地对简单信息提取，逐渐就得到了高层次的抽象信息，其实这时候的人们就已经发现了神经网络的苗头了，神经网路也是受到生物视觉的分层处理机制的启发，逐渐走向成熟的额。

2.2 20世纪60年代——计算机视觉萌芽

计算机视觉始于上世纪60年代初，第一位计算机视觉博士Larry Roberts 发行了Block World这一组作品 ，撰写的论文“Machine perception of three-dimensional solids”中将物体简化为几何形状(立方体、棱柱体等)来加以识别(如图19-9所示)。当时人们相信只要提取出物体性状，并加以空间描述，就可以像搭积木一样推理出三维场景，研究范围遍布角点特征、边缘、颜色、纹理提取以及推理规则建立等很多方面，他们的想法很自然，既然我们要分类识别，那么我们就要发现每一类的特征，比如说是边缘特征等等

麻省理工发起夏季视觉计划，与会人员“雄心勃勃”地希望在一个暑假的时间里彻底解决计算机视觉问题，虽然理想很丰满，但现实很骨感，即使是相当聪明的一群人也低估了计算机视觉的难度，但这个计划激起了研究计算机视觉的浪潮，让其逐渐发展成为一个非常重要的领域

2.3 20世纪70年代——开创性提出识别流程

然后呢，在这一时期，来自麻省理工学院的视觉科学家vid Marr，写了一本书，将视觉识别过程划分为三个阶段

（1）处理诸如边缘之，斑点，块，末端，虚拟边界等简单结构

（2）深度信息，层级信息，局部表面信息

（3）根据表面和体积图元分层组织的3D模型

2.4 20世纪80年代——着眼于提取特征

20世纪80年代，逻辑学和知识库等理论在人工智能领域占据了主导地位。人们试图建立专家系统来存储先验知识，然后与实际项目中提取的特征进行规则匹配

让人们思考，视觉处理是怎样的？

2.5  20世纪90年代——图像分割

人们逐渐认为计算机视觉是一个有困难的学科，有的学者开始“转向”另一个看上去更简单点儿的方向—图像分割(Image Segmentation)。后者的目标在于运用一些图像处理方法将物体分离出来，以此作为图像分类的第一步。

2.6  21世纪初——各类经典算法出现

随着机器学习的兴起，CV领域开始取得一些实际的应用进展。例如，Paul Viola和Michael Johns等人利用Adaboost算法出色地完成了人脸的实时检测，并被富士公司应用到商用产品中；同时SPM、HoG(如图19-13所示)、DPM等经典算法也如“雨后春笋”般涌现了出来。

2.7 2010年后 计算机视觉取得长足进步

进步原因主要有：

• 计算机运算能力指数级增长

• 深度学习相关算法应用以及革新（为什么不是出现呢？是因为实际上网路在1998年已经出现了，但受限于计算力和数据量等因素，没有）

• 大型的数据库imageNet、PASCAL等超大型图片数据库(见图19-14)使得深度学习训练成为可能

与此同时，我们不得不提到的一个非常重要的比赛，就是斯坦福教授李飞飞他们发起的ImageNet 比赛,这个比赛提供了一个庞大的数据集、

在全球最权威的计算机视觉竞赛imageNet上，千类物体识别Top-5错误率在2010年和2011年时分别为28.2%和25.8%，从2012年引入深度学习之后，后续4年分别为16.4%、11.7%、6.7%、3.7%，出现了显著突破。

2012年经典网络ImageNet

2013年经典网络AlexNet

2014年经典网络GoogleNet ，VGG

2015年经典网络ResNet