学术报告学习总结1（2021.6.24）

计算机视觉CV体系总结

        从技术上主要分两大类：深度学习、几何方法

        从研究方向上主要分为两大类：基于视觉原理的语义理解、基于测量几何的三维感知

个人分类：

一、

        数字图像处理主要任务：图像去噪、增强、压缩、复原、分割、提取特征等

                图像评价标准：SSIM（结构相似度）、PSNR（峰值信噪比）、MSE（均方误差）

                参考：极市平台《2021CV算法工程师入门路线图》

                           冈萨雷斯《数字图像处理（第三版）》

二、

        计算机视觉与深度学习主要任务：

                （1）分类

                （2）目标检测  二阶段：R-CNN、一阶段：YOLO，Anchor-free:CornerNet

                                Anchor：提取候选目标框，那个矩形

                （3）语义分割  FCN

                （4）实例分割（相同类别个体被分割成不同类型）Mask R-CNN

                （5） 其他：生成对抗网络、自监督学习、重特征参数化、Transformer相关、多层感知机相关

                参考：极市平台《2021CV算法工程师入门路线图》

                          B站北邮鲁鹏副教授的《计算机视觉与深度学习》课程

三、

          三维视觉定义、需求、发展历史、未来：

                三维视觉是基于图片、视频以及各类深度传感器信，采用几何、统计以及优化等数学工具对现实世界进行三维测量、定位、建模以及理解。

                需求：AR/VR、机器人、自动驾驶、全息交互与通信、人脸识别、动物模型行为计算

                摄影测量理论时代（1963）

                光场摄像时代（1995）

                SLAM时代（2002）

                深度相机时代（2010）

                表征学习时代（2015）

                语义学习时代（未来趋势）

                参考：刘烨斌副教授《三维视觉：过去、现在与未来》报告