文章目錄

• 計算機視覺導論
• • 1：提出
• 7：文字檢測和識別
• • 1：OCR
• 6：行人檢測，重識別和姿態估計
• 5：人臉檢測和識別

• 計算機視覺課程完全不知道怎么復習，由于沒有咋讀過論文，所以PPT里面的東西基本都看不懂。
• 以后碰到PPT里面有論文的，還是要提前讀一讀

計算機視覺導論

1：提出

• 1966年的MIT的一個暑假項目，構建視覺系統的主體部分

• 20世紀70年代

  • 在解決推理和規劃等問題之前，視覺輸入的處理
  • 與數字圖像處理相區別的是從圖像中恢復場景的三維結構并更好的理解場景
  • 數字圖像處理，計算機圖像處理，將圖像信號轉變為數字信號并且利用計算機進行處理的過程，通過計算機對圖像進行去除噪聲，增強，復原，分割，提取特征。
  • Block word
  • 線條標注（line labeling）
  • 邊緣檢測（edge detection）
  • 非多邊形的三維建模
    • 采用廣義錐作為部件，通過圖案結構彈性安排部件
  • 圖像分割

• 20實際80年代

  • 利用本征圖像，理解亮度和陰影的變化
  • 立體視覺對應
  • 基于亮度的光流
  • 圖像金字塔
  • 由X到形狀
  • 更好的邊緣檢測算法：動態演化輪廓跟蹤器
  • 三維數據的處理
  • 利用變分優化的思想，是用正則化來加強魯棒性
  • 馬爾可夫隨機場來表達

• 20世界90年代

  • 光流
  • 多視角重建
  • 跟蹤：粒子濾波
  • SIFT（手工提取的一個巔峰，基于局部匹配，能夠找到圖片的穩定點和關鍵點）
  • 統計學習方法，CV技術首先使用在照相機上，用于對焦

• 21世紀

  • 圖割

7：文字檢測和識別

1：OCR

• purpose：識別圖像中的文字信息

• input：一張圖像

• output：圖像中的文字

• evaluation：

  • 平均編輯距離：衡量整篇文章的指標，反映順序，多識別，漏識別
  • 字符識別準確率：所以字符的正確率，但是無法反應漏識別
  • 文本行識別成功率：

• 簡單理解

  • 漢字，十萬個字
  • 阿拉伯數字：10
  • 英語52 大小寫
  • 特征提取（還是是用滑動窗口或者是候選框嗎？分割）
  • 字符分類器，不同語種的字符數量差異巨大，并且相似度不同

• 印刷體文字識別

  • 字符排列規整：易于檢測
    • 基于模板

• 手寫體文字識別

  • 聯機手寫文字識別 / 實時手寫識別 / 在線手寫體識別
  • 人在手寫文字的時候，及其根據所書寫文字的比劃，筆順等特征

• 脫機手寫 / 離線手寫文字識別

  • 先寫在紙上，然后掃描成圖像，再識別文字
  • 脫機識別和印刷體識別相似，但是手寫隨意性太大，對字符檢測和識別都很難

• STR （Scene Text recognition）

  • 多種語言文本混合
  • 方向
  • 模糊，變形

• 傳統文本檢測 + 識別

  • 先進行壁畫和字符的檢測，基于連接組件和基于滑動窗口的兩種方法，再進行非文本過濾。
  • 手工特征SWT，MSER無法利用上下文的信息
  • 預測過程中，前端使用標準的CNN提取文本圖像的特征，利用BLSTM將特征向量進行融合以提取字符序列的上下文特征，然后將每列的特征改了吧分布，最后通過轉錄層CTC進行預測得到文本的序列。

• SegLink

  • 角度的靈活檢測，模型不僅能夠學習和輸出邊框的位置，還能夠輸出文本框的旋轉角度誰他
  • 切片，然后連接各個字的中心點，得到旋轉角度
  • 增加了對于角度的檢測，使得對于各種角度的文本都具有魯棒性

• 基于候選框

• 基于分割

• CRNN

• 端到端的

6：行人檢測，重識別和姿態估計

• 基于手工提取特征
• 基于部件檢測
• 基于深度學習
  • joint
• 行人的重識別
  • 基于手工特征
  • 深度學習
• 姿態估計
  • 單人姿態估計
  • 多人姿態估計

5：人臉檢測和識別

• 基于模板的方法
• 基于ADBOOST
• 非約束環境下的人臉檢測
• 深度學習
• 人臉識別
  • 基于特診匹配基于深度學習
  • 人臉的對其
• 美顏
• GAN

總結

以上是生活随笔為你收集整理的CV 复习（大纲）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。