第 0 章 计算机视觉概述
作者: 张伟 (Charmve)
日期: 2021/06/12
- 第 0 章 计算机视觉概述
- 0.1 概述
- 0.1.1 什么是计算机视觉
- 0.1.2 计算机视觉解决什么问题
- 0.1.3 行业应用
- 0.2 计算机视觉基本概念
- 0.3 发展历史回顾
- 0.4 典型的计算机视觉任务
- 0.4.1 图像分类
- 0.4.2 目标识别与目标检测
- 0.4.3 实例分割与语义分割
- 0.4.4 3D 建模
- 0.5 国内外优秀的计算机视觉团队汇总
- 小练习
- 小结
- 参考文献
- 0.1 概述
作者: 张伟 (Charmve)
日期: 2021/06/13
0.4.1 图像分类
- Viola–Jones 方法
有很多种方法可以解决目标检测问题。很多年来，Paul Viola 和 Michael Jones 在论文《Robust Real-time Object Detection》中提出的方法成为流行的方法。
尽管该方法可用来检测大量对象类别，但它最初是受人脸检测目标的启发。该方法快速、直接，是傻瓜相机中所使用的算法，它可以在几乎不浪费处理能力的情况下执行实时人脸检测。
该方法的核心特征是：基于哈尔特征与大量二分类器一起训练。哈尔特征表示边和线，计算简单。
图0.4 哈尔特征
（图源：https://docs.opencv.org/3.4.3/haar_features.jpg）
尽管比较基础，但在人脸检测这一特定案例下，这些特征可以捕捉到重要元素，如鼻子、嘴或眉间距。该监督方法需要很多正类和负类样本。
- 基于卷积神经网络的方法
深度学习变革了机器学习，尤其是计算机视觉。目前基于深度学习的方法已经成为很多计算机视觉任务的前沿技术。
其中，R-CNN 易于理解，其作者提出了一个包含三个阶段的流程：
-
利用区域候选（region proposal）方法提取可能的对象。
-
使用 CNN 识别每个区域中的特征。
-
利用支持向量机（SVM）对每个区域进行分类。
图0.5 R-CNN 架构
（图源：https://arxiv.org/abs/1311.2524）
该区域候选方法最初由论文《Selective Search for Object Recognition》提出，尽管 R-CNN 算法并不在意使用哪种区域候选方法。步骤 3 非常重要，因为它减少了候选对象的数量，降低了计算成本。
这里提取的特征没有哈尔特征那么直观。总之，CNN 可用于从每个区域候选中提取 4096 维的特征向量。鉴于 CNN 的本质，输入应该具备同样的维度。这也是 CNN 的弱点之一，很多方法解决了这个问题。回到 R-CNN 方法，训练好的 CNN 架构要求输入为 227 × 227 像素的固定区域。由于候选区域的大小各有不同，R-CNN 作者通过扭曲图像的方式使其维度满足要求。
图0.6 满足 CNN 输入维度要求的扭曲图像示例。