計算機視覺新手指南

經過機器的眼睛去探索

• 若是咱們想讓機器學會思考，就須要教他們學會如何用視覺去看周圍環境。—— 斯坦福大學AI實驗室和斯坦福視覺實驗室主任李飛飛

使計算機或手機等機器看到周圍環境的現象稱爲計算機視覺。機器仿生人眼的研究工做能夠追溯到50年代，從那時起，咱們已經走了很長一段路。計算機視覺技術已經經過不一樣的電子商務領域以及相機應用程序進入了咱們的手機。
想想當機器可以像人眼同樣準確地看到周圍環境時，機器還有什麼是不能夠作的。人眼是一個複雜的結構，它能夠理解複雜的環境現象。一樣的，可讓機器可以看到事物並使其具備足夠的能力去理解它們所看到的內容，從而進一步對其進行分類，這項工做仍然是很是艱鉅。
使用計算機視覺等效其準確性幾乎與人眼相同的狀況下，能夠在眨眼間就進行數百萬次計算。這不只涉及到將圖片轉換爲像素，還包括嘗試經過這些像素去了解圖片中的內容，接下來你將首先來了解如何從這些像素中提取信息並理解其表明的內容。

那麼，讓咱們瞭解一下機器如何去看（像人眼同樣）？
A. 用數字表示顏色：在計算機科學中，每種顏色都由指定的十六進制值來表示。機器經過這種編碼方式，來了解圖像像素是由什麼顏色組成的。而做爲人類，咱們天生就擁有基因來區分不一樣色調。

B. 圖像分割：使計算機識別出類似的顏色組，而後分割圖像，即將前景與背景區分開。顏色漸變技術被用來查找不一樣對象的邊緣。

C. 查找角點：分割後，查找圖像中的某些特徵，也稱爲角點（corners）。簡而言之，算法會搜索以必定角度相交的線，並以一種顏色的陰影覆蓋圖像的特定部分。角點（也稱爲特徵）構建基塊，可幫助查找圖像中包含的更詳細信息。

D. 查找紋理：肯定圖像中的紋理是正確識別圖像的另外一個重要因素。兩個對象之間的紋理差別使機器正確地對對象進行更容易地分類。

E. 作出猜想：執行上述步驟後，機器須要作出接近正確值的預測或者推斷，並將圖像與數據庫中存在的圖像進行匹配。

F. 最後，看大圖！最後，一臺機器會看到更大、更清晰的畫面，並根據所提供的算法指令檢查是否正確地識別了該畫面。在過去的幾年中，準確性獲得了很大的提升，可是當機器被要求處理帶有混合物體的圖像時，機器仍然會犯錯誤。

擁有計算機視覺研究小組的大學：

美國大學

卡內基梅隆大學機器人學院
加州大學洛杉磯分校
北卡羅來納大學教堂山分校
華盛頓大學
加州大學伯克利分校
斯坦福大學
麻省理工學院
康奈爾大學
賓夕法尼亞大學
加州大學爾灣分校
哥倫比亞大學
伊利諾伊大學香檳分校
南加州大學
密西根大學
普林斯頓大學
羅切斯特大學
德克薩斯大學奧斯汀分校
馬里蘭大學學院公園
布朗大學
中央佛羅里達大學
紐約大學
密西根州立大學
麻省大學，阿默斯特
西北大學
加州大學聖地亞哥分校

加拿大的大學：

艾伯塔大學
多倫多大學
不列顛哥倫比亞大學
西蒙弗雷澤大學

歐洲大學：

INRIA法國
牛津大學
蘇黎世聯邦理工學院
德國馬克斯·普朗克研究所
愛丁堡大學
薩里大學
弗萊堡大學
瑞典KTH
德累斯頓大學
達姆施塔特工業大學
瑞士EPFL
魯汶大學
巴塞羅那計算機視覺中心
瑞士IDIAP
倫敦帝國理工學院
海德堡國際機場
曼徹斯特大學
波恩大學
亞琛工業大學
阿姆斯特丹大學
慕尼黑工業大學
捷克技術大學
劍橋大學
格拉茨
IST奧地利
倫敦瑪麗皇后大學
蘇黎世大學
代爾夫特大學
利茲大學
伯爾尼大學
隆德大學
意大利特倫託大學
意大利佛羅倫薩大學
斯圖加特大學
薩爾大學
巴黎中央學校
巴黎理工學院
奧盧大學
卡爾斯魯厄理工學院

若是你是計算機視覺領域的新手，能夠在下面找到一系列初學者須要瞭解的基礎知識點。

A.初學者水平
數學：

• 線性代數
  • https://www.khanacademy.org/math/linear-algebra
• 奇異值分解
  • https://www.youtube.com/watch?v=sJV0QyHoRio
• 入門級模式識別
  • https://ocw.mit.edu/courses/media-arts-and-sciences/mas-622j-pattern-recognition-and-analysis-fall-2006/
• 主成分分析
  • https://www.youtube.com/watch?v=H0HjNuNvFVI
• 卡爾曼濾波
  • https://www.youtube.com/watch?v=d0D3VwBh5UQ
• 傅里葉變換
  • https://www.youtube.com/watch?v=hVOA8VtKLgk&list=PLuh62Q4Sv7BUSzx5Jr8Wrxxn-U10qG1et&index=1
• 小波
  • https://www.youtube.com/watch?v=4fQAlD5wZKA

圖像處理：

• 杜克大學在Coursera上提供的在線課程
  • https://www.coursera.org/learn/image-processing
• 岡薩雷斯和伍茲的數字圖像處理
  • http://www.imageprocessingplace.com/

B.高級水平

• 線性判別分析
  • https://www.youtube.com/watch?v=aSyQqHY4Vqc
• 機率，貝葉斯規則，最大似然，MAP
  • https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-041-probabilistic-systems-analysis-and-applied-probability-fall-2010/
• 混合物和指望最大化算法
  • https://www.youtube.com/watch?v=Q1oqJSgp_Dk
• 入門級統計學習
  • https://www.coursera.org/specializations/statistics
• 支持向量機
  • https://www.youtube.com/watch?v=_PwhiWxHK8o
• 遺傳算法
  • https://www.youtube.com/watch?v=kHyNqSnzP8Y
• 隱馬爾可夫模型
  • https://www.youtube.com/watch?v=D_RIe5bd3hk
• 貝葉斯網絡
  • https://www.coursera.org/learn/probabilistic-graphical-models

要得到有關理論和技術（尤爲是算法）的實踐知識，請從計算機視覺的角度開始學習OpenCV：

• 學習OpenCV：使用OpenCV庫的計算機視覺（https://www.amazon.com/Learning-OpenCV-Computer-Vision-Library/dp/0596516134）
• Tombone的計算機視覺博客（http://www.computervisionblog.com/）

提示：使用C，C ++，Python進行編程時，咱們使用OpenCV庫進行計算機視覺的相關實踐任務。在MATLAB中進行編程時，咱們使用計算機視覺系統工具箱（https://in.mathworks.com/products/computer-vision.html?s_tid=gn_loc_drop） 。
一樣，若是你使用其餘語言編程，則還須要更多的開源庫。

你還應該瞭解領域中科學研究的關鍵工做，在這裏你能夠從中學習它們：

• SIFT：通用視覺的經典描述符
  • https://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf
• HOG：衆所周知的描述符，特別適合人類檢測
• Viola-Jones：偉大的人臉檢測器
  • https://www.microsoft.com/en-us/research/people/?from=http%3A%2F%2Fresearch.microsoft.com%2Fen-us%2Fum%2Fpeople%2Fviola%2Fpubs%2Fdetect%2Fviolajones_ijcv.pdf
• Shape Contexts
  • http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.18.8852&rep=rep1&type=pdf
• Deformable Part Models
  • http://www.rossgirshick.info/latent/

必讀書籍清單包括：

入門級：

1. 計算機視覺：算法與應用
   • http://szeliski.org/Book/
2. 計算機視覺：現代方法David A. Forsyth，Jean Ponce
   • http://cmuems.com/excap/readings/forsyth-ponce-computer-vision-a-modern-approach.pdf
3. 計算機視覺中的多視圖幾何。做者：Richard Hartley，Andrew Zisserman
   • http://books.google.cn/books?hl=en&lr=&id=si3R3Pfa98QC&oi=fnd&pg=PR11&dq=computer+vision&ots=aQo-nw6e4Q&sig=zGRDslfuKd1ytlZWwTaTKcuLdNw&redir_esc=y

高級水平—走向深度學習

1. Michael Nielsen的「神經網絡和深度學習」在線書；這是一個很是棒而溫和的介紹：神經網絡和深度學習
   • http://neuralnetworksanddeeplearning.com/
2. Ian Goodfellow，Yoshua Bengio和Aaron Courville撰寫的深度學習書
   • http://www.deeplearningbook.org/

當機器能夠感受到你的情緒時會發生什麼？點擊連接觀看視頻
https://youtu.be/QFk3e5PcK7s

TED觀看演講：

1. 李飛飛：咱們如何教計算機理解圖片
   • https://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_pictures
2. BlaiseAgüera和Arcas：PhotoSynth如何鏈接世界圖像
   • https://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_pictures
3. 淺川千惠子：新技術如何幫助盲人探索世界
   • https://www.ted.com/talks/chieko_asakawa_how_new_technology_helps_blind_people_explore_the_world
4. 詹妮弗·希利：若是汽車能夠說話，則事故能夠避免
   • https://www.ted.com/talks/jennifer_healey_if_cars_could_talk_accidents_might_be_avoidable
5. 戈蘭·萊文（Golan Levin）：回望你的藝術
   • https://www.ted.com/talks/golan_levin_art_that_looks_back_at_you
6. Paul Debevec：製做真實照片的數字臉動畫
   • https://www.ted.com/talks/paul_debevec_animating_a_photo_real_digital_face
7. 戈蘭·萊文：軟件藝術
   • https://www.ted.com/talks/golan_levin_software_as_art

在線課程：

入門級：

• Udacity：計算機視覺概論
  • https://www.udacity.com/course/introduction-to-computer-vision--ud810
• 斯坦福大學的CS231n：用於視覺識別的卷積神經網絡
  • http://cs231n.stanford.edu/
• 中央佛羅里達大學-Mubarak Shah教授的視頻講座
  • https://www.crcv.ucf.edu/videos/lectures/2014.php
• 從上述資源中得到的概念和算法，你能夠去解決一些任務並自行完成一個項目。

高級水平—走向深度學習

• 傑夫·欣頓（Geoff Hinton）在Coursera上的神經網絡講座
  • https://www.coursera.org/learn/neural-networks
• 斯坦福課程：天然語言處理的深度學習
  • http://cs224d.stanford.edu/
• 斯坦福大學課程：用於視覺識別的卷積神經網絡
  • http://cs231n.stanford.edu/

講座課程：

• 計算機視覺中的深度學習（Sanja Fidler教授）
  • http://www.cs.utoronto.ca/~fidler/teaching/2015/CSC2523.html
• 先進的計算機視覺（James Hays教授）
  • http://www.cc.gatech.edu/~hays/7476/

全球項目

a. 微軟計算機科學家和研究人員正在努力「解決」癌症

• https://news.microsoft.com/stories/computingcancer/
  b.東京項目 ——提供基於AI的應用原型，以加強盲人或視力障礙者對社交，物理和文本環境的認識。
• https://www.microsoft.com/en-us/research/project/project-tokyo/
  C.教機器預測將來
• http://news.mit.edu/2016/teaching-machines-to-predict-the-future-0621
  
  最左側的列顯示操做開始以前的幀，其下方是算法的預測。右列顯示視頻的下一幀。

另外一種讓你本身瞭解計算機視覺領域正在進行的研究的方法是跟隨做者並閱讀他們在頂級會議上的論文，如CVPR、ICCV、ECCV、BMVC。

與專家的對話

如下交談摘錄是我與兩位對計算機視覺領域充滿熱情的專家交談的。

與Devi Parikh教授的對話| Facebook AI Research的客座研究員| 佐治亞理工學院（之前是弗吉尼亞理工學院）助理教授

計算機視覺是人工智能的一個子領域，其目標是構建可複製人腦視覺的智能計算機。機器學習是教機器學習的通用術語，可是計算機視覺專門處理視覺數據。在機器學習中，咱們更多地使用了統計工具，而計算機視覺同時使用了統計工具和非統計工具。例如，計算機視覺領域的3D重建任務中使用機器學習工具的頻率要比圖像分類和對象識別等技術要低。許多計算機視覺任務都有其本身的需求，咱們爲此開發了特定的機器學習工具。
對於任何想開始學習該領域的學生，我建議他們經過研究人員的網頁來選擇他們感興趣的問題來學習。大多數狀況下，人們都在研究最前沿的問題，這些問題能夠從該網頁得到可用的標準數據集。他們能夠選擇一個研究問題，一個數據集以及一個他們可能想使用的庫，而後動手去作。
在攻讀碩士或博士學位的學生，我一般會去尋找有責任心，積極性和決心的來做爲個人學生。爲了使你的基本概念清晰明瞭，能夠嘗試閱讀研究論文，嘗試瞭解全世界研究人員正在研究的AI前沿問題。

B.與Richa Agrawal的對話 | 賓夕法尼亞大學校友| Whodat的計算機視覺研究工程師

我畢業於齋浦爾MNIT，在那學習期間，我與Robotics研究組取得了聯繫，咱們合做實現了一些項目，而後參加IIT Roorkee的國家級比賽並贏得了比賽，這段經驗極大地鼓舞了我。完成學士學位後，我開始在Yahoo工做，我意識到這不是我想要作的事，所以去了賓夕法尼亞大學攻讀碩士學位。攻讀碩士學位的這段時間，我經過學習不一樣的課程探索了不一樣的研究領域，並最終決定將計算機視覺做爲個人主要研究方向。畢業後，我在美國的一家初創公司工做，並但願在印度尋找計算機視覺的就業機會。在Whodat（一家基於Bangalore的計算機視覺初創公司）中，咱們使用加強現實和可視化技術對圖像進行研究處理。好比，你打算爲本身的房屋購買傢俱，你針對家庭的佈局環境去商店後選擇了一家傢俱店，但在傢俱交付後，經常會出現傢俱太大或過小的問題，如今沒有什麼技術能夠解決該問題。咱們正在嘗試經過構建一個解決方案來幫助你，該解決方案可使商店的傢俱在你家中進行可視化佈置。這將使你可以作出更好的決定，並輕鬆地購買物品。
在學習時，不少時候我沒法盡力而爲，常常感到沮喪，但後來朋友的建議來了。他告訴我-「只有少數人（不到0.1％）可以作到這一點（在國外讀碩士和在計算機視覺等技術領域有如此研究），而且而你正是其中之一。並且你若是加倍努力，你本身能夠作到其它人作不到的東西。

對於學生入門的一些建議，在與其餘學院同齡人的交談以後，我建議你參加比賽和黑客馬拉松。重要的是要找到本身的興趣，而不是在本身不喜歡的地方工做。例如，計算機視覺在印度是一個廣闊的領域，在印度有廣闊的發展空間，在這個領域，你所須要的只是一架已經開始滲透到更小的城市的相機。所以，計算機視覺的將來絕對是光明的。

原文連接：https://medium.com/readers-writers-digest/beginners-guide-to-computer-vision-23606224b720

歡迎關注磐創AI博客站：
http://panchuang.net/

sklearn機器學習中文官方文檔：
http://sklearn123.com/

歡迎關注磐創博客資源彙總站：
http://docs.panchuang.net/