視覺(jué)是人類(lèi)在(不斷)變化的環(huán)境中行動(dòng)(和交互)的主要感官之一，而成像是我們以適合計(jì)算處理的形式記錄視覺(jué)信息的手段。成像和計(jì)算機(jī)視覺(jué)在從先進(jìn)顯微鏡技術(shù)到自動(dòng)駕駛汽車(chē)的各種智能系統(tǒng)中共同發(fā)揮著重要作用。計(jì)算機(jī)視覺(jué)和成像課程將重點(diǎn)關(guān)注基本計(jì)算原理，這些原理使通過(guò)多種成像技術(shù)之一獲取的一系列圖像元素能夠轉(zhuǎn)換為理解圖像內(nèi)容和完成各種感知任務(wù)所需的結(jié)構(gòu)和語(yǔ)義實(shí)體。我們將研究圖像形成、低級(jí)圖像處理、對(duì)象識(shí)別、分類(lèi)、分割、配準(zhǔn)、立體視覺(jué)、運(yùn)動(dòng)分析、跟蹤和主動(dòng)視覺(jué)。講座將伴隨一系列練習(xí)，這些計(jì)算模型將在現(xiàn)實(shí)場(chǎng)景中設(shè)計(jì)、實(shí)現(xiàn)和測(cè)試。

一、課程預(yù)習(xí)成果

在本模塊結(jié)束時(shí)，學(xué)生應(yīng)該能夠：

a.了解主要的計(jì)算機(jī)視覺(jué)和成像方法以及計(jì)算模型

b.設(shè)計(jì)、實(shí)現(xiàn)和測(cè)試計(jì)算機(jī)視覺(jué)和成像算法

c.了解如何綜合成像和視覺(jué)技術(shù)的組合來(lái)解決現(xiàn)實(shí)世界的問(wèn)題

d.學(xué)生應(yīng)表現(xiàn)出獨(dú)立學(xué)習(xí)、理解和批判性評(píng)估本模塊所涵蓋主題領(lǐng)域的先進(jìn)材料或研究文章的能力。

二、增進(jìn)計(jì)算機(jī)視覺(jué)的了解

1.什么是計(jì)算機(jī)視覺(jué)?

計(jì)算機(jī)視覺(jué)是人工智能(AI)的一個(gè)領(lǐng)域，它允許計(jì)算機(jī)和系統(tǒng)從數(shù)字圖像、視頻和其他視覺(jué)數(shù)據(jù)中提取有意義的信息，并根據(jù)這些信息采取行動(dòng)或提出建議。如果說(shuō)人工智能讓計(jì)算機(jī)能夠思考，那么計(jì)算機(jī)視覺(jué)則讓計(jì)算機(jī)能夠觀(guān)察、觀(guān)察和理解。

計(jì)算機(jī)視覺(jué)的工作方式與人類(lèi)視覺(jué)相同，只是人類(lèi)更具優(yōu)勢(shì)。人類(lèi)視覺(jué)的優(yōu)勢(shì)在于終生訓(xùn)練如何分辨物體、物體的距離、物體是否移動(dòng)以及圖像是否有問(wèn)題。

計(jì)算機(jī)視覺(jué)可以訓(xùn)練機(jī)器執(zhí)行這些功能，但它必須在更短的時(shí)間內(nèi)利用攝像頭、數(shù)據(jù)和算法，而不是視網(wǎng)膜、視神經(jīng)和視覺(jué)皮層。由于經(jīng)過(guò)訓(xùn)練的系統(tǒng)可以在每分鐘內(nèi)分析數(shù)千種產(chǎn)品或流程，發(fā)現(xiàn)難以察覺(jué)的缺陷或問(wèn)題，從而迅速超越人類(lèi)的能力。

2.計(jì)算機(jī)視覺(jué)如何工作?

計(jì)算機(jī)視覺(jué)需要大量數(shù)據(jù)。它反復(fù)分析數(shù)據(jù)，直到識(shí)別出差異并最終識(shí)別圖像。例如，要訓(xùn)練計(jì)算機(jī)識(shí)別汽車(chē)輪胎，就需要給計(jì)算機(jī)提供大量輪胎和相關(guān)物品的圖像，讓它學(xué)會(huì)區(qū)別并識(shí)別輪胎，尤其是沒(méi)有缺陷的輪胎。

為此，需要使用兩種主要技術(shù)：一種是稱(chēng)為深度學(xué)習(xí)的機(jī)器學(xué)習(xí)，另一種是卷積神經(jīng)網(wǎng)絡(luò)(CNN)。

機(jī)器學(xué)習(xí)使用算法模型，使計(jì)算機(jī)能夠自我學(xué)習(xí)視覺(jué)數(shù)據(jù)的上下文。如果通過(guò)模型輸入足夠多的數(shù)據(jù)，計(jì)算機(jī)就會(huì) "觀(guān)察 "這些數(shù)據(jù)，并學(xué)會(huì)區(qū)分不同的圖像。算法可以讓機(jī)器自主學(xué)習(xí)，而不是由人編程來(lái)識(shí)別圖像。

CNN 通過(guò)將圖像分離成像素來(lái)幫助機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型進(jìn)行 "搜索"，這些像素被分配了標(biāo)簽或標(biāo)記。它使用這些標(biāo)簽進(jìn)行卷積(對(duì)兩個(gè)特征進(jìn)行數(shù)學(xué)運(yùn)算以產(chǎn)生第三個(gè)特征)，并對(duì)它 "看到 "的內(nèi)容進(jìn)行預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)執(zhí)行卷積，并在一系列迭代中檢查其預(yù)測(cè)的準(zhǔn)確性，直到預(yù)測(cè)開(kāi)始成真。然后，它就能以類(lèi)似人類(lèi)的方式識(shí)別或看到圖像。

就像人類(lèi)從遠(yuǎn)處辨別圖像一樣，CNN 首先識(shí)別硬邊緣和簡(jiǎn)單形狀，然后在執(zhí)行迭代預(yù)測(cè)時(shí)填充信息。CNN 用于理解單個(gè)圖像。遞歸神經(jīng)網(wǎng)絡(luò) (RNN) 也同樣用于視頻應(yīng)用，幫助計(jì)算機(jī)理解幀序列中圖像之間的關(guān)系。

海馬課堂專(zhuān)業(yè)課程輔導(dǎo)，2300+嚴(yán)選碩博學(xué)霸師資，針對(duì)學(xué)生的薄弱科目和學(xué)校教學(xué)進(jìn)度，匹配背景相符的導(dǎo)師，根據(jù)學(xué)生情況進(jìn)行1V1專(zhuān)屬備課，上課時(shí)間靈活安排，中英雙語(yǔ)詳細(xì)講解課程中的考點(diǎn)、難點(diǎn)問(wèn)題，并提供多方位的課后輔導(dǎo)，輔助學(xué)生掌握全部課程知識(shí)，補(bǔ)足短板。