計算機視覺如何入門

[TOC]

---

注：原創不易，轉載請務必註明原做者和出處，感謝支持！

一 寫在開頭

1.1 本文內容

本文內容爲計算機視覺入門方法。

二 CV入門基礎

2.1 基礎知識

圖片的相關概念：

• 維數
• 高度
• 寬度
• 深度
• 通道數
• 顏色格式
• 數據首地址
• 結束地址

2.2 相關概念解釋

圖像的深度：存儲每一個像素所用的位數，好比常見的8位、16位和24位等。

圖像的壓縮格式：常見的圖像壓縮格式有JPG、PNG和TIF等。

圖像的通道數：常見的有灰度圖（單通道）、RGBA（四通道，其中A指透明度）、YUV和YUYV等。

視頻的相關概念： 原始視頻 = 圖片序列。視頻中的每張有序圖片稱爲「幀」（frame)。壓縮後的視頻會採用各類算法來減小數據的容量，其中IPB就是常見的壓縮方式。

I幀表示關鍵幀，其包含了完整的一幅畫面。

P幀表示差異幀，其表示的是當前幀與上一個關鍵幀I（或P幀）的差異，解碼該幀時要用以前緩存的畫面疊加上本幀定義的差異，生成最終畫面。

B幀表示雙向差異幀，也就是說，B幀記錄的是本幀與先後幀的差異。換言之，要解碼B幀，不只要取得以前緩存的畫面，還要解碼以後的畫面，經過先後畫面與本幀數據的疊加取得最終畫面。

碼率：單位時間內傳輸的數據數。碼率越大，視頻體積越大。

幀率：每秒傳輸的幀數。

分辨率：每一幀圖像的分辨率。

2.3 攝像機的分類

graph LR; 攝像機-->監控攝像機; 攝像機-->不一樣行業需求攝像機; 攝像機-->智能攝像機; 攝像機-->工業攝像機; 監控攝像機-->網絡攝像機; 監控攝像機-->模擬攝像機; 不一樣行業需求攝像機-->超寬動態攝像機; 不一樣行業需求攝像機-->紅外攝像機; 不一樣行業需求攝像機-->熱成像攝像機;

2.4 CPU和GPU的差異

• 從性能（低延時性）和吞吐量兩方面來講，CPU屬於高性能和低吞吐量，GPU屬於低性能但高吞吐量。
• 從Cache和local memory的數量來看：CPU > GPU
• 從線程數（Threads）來看：GPU > CPU
• 從寄存器（Registers）數量來看：GPU > CPU

GPU以並行方式大量處理少許的簡單運算，特別適合圖像的處理。

2.5 Computer Vision和Machine Vision以及Image Processing的區別

• Computer Vision：用在和應用場景相關的應用當中，偏軟件
• Machine Vision：更加偏重硬件
• Image Porcessing：偏重於圖像像素級別的處理

2.6 CV須要的知識儲備和參考資料

• 編程語言

1. Python：多用於快速實現算法原型，除此以外還設計到經常使用的Python庫，包括numpy和scipy等
2. C或C++：實際部署應用通常會用效率更高的編譯型語言，好比C和C++。

• 數學基礎：機率論、統計學、微積分、線性代數、機器學習
• 參考書和公開課

1. 《Computer Vision : Models, Learning and Inference》
2. 《Computer Vision : Algorithms and Applications》
3. 《Multiple View Geometry in Computer Vision》（偏3D CV）
4. 《Learning OpenCV》
5. Stanford CS223B：偏理論和基礎
6. Stanford CS231N：卷積神經網絡
7. Stanford CS223A：3D、重建等

• 網站

Annotated Computer Vision Bibliography

• 深度學習參考書 《Deep Learning》 Ian Goodfellow Yoshua Bengio Aaron Courville

2.7 CV相關開源軟件

• OpenCV
• Caffe
• TensorFlow
• FFmpeg

2.8 如何閱讀CV相關論文

• 先熟悉所研究方向的發展歷程，發展歷程中的里程碑式的文獻須要精讀
• 翻閱arXiv cs.CV，關注別人的最新工做
• 閱讀論文務必搞清如下四個方面

1. 論文解決了什麼問題
2. 用了什麼方法
3. 達到了怎樣的效果
4. 還存在什麼問題待解決

附： CV頂級期刊：PAMI、IJCV

CV頂級會議：ICCV、ECCV、CVPR、NIPS