计算机视觉和AI | CV小结 | 附资源分享 | 解读技术
|懶人閱讀：計(jì)算機(jī)視覺(jué)的應(yīng)用無(wú)處不在，就像視覺(jué)是我們感知世界的最主要方式之一，所以其應(yīng)用場(chǎng)景和公司也數(shù)不勝數(shù)。機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)使用到CV之中后，為很多復(fù)雜視覺(jué)信號(hào)的處理帶來(lái)了可能，從而可以進(jìn)行更加精準(zhǔn)的目標(biāo)識(shí)別、目標(biāo)跟蹤、場(chǎng)景重建等應(yīng)用。
|如果想要機(jī)器能夠進(jìn)行思考，我們需要先教會(huì)它們?nèi)タ础?
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?李飛飛——Director of Stanford AI Lab and Stanford Vision Lab
|CV定義（參考）和機(jī)器學(xué)習(xí)技術(shù)的使用
? ? ? ?機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)使用到CV之中后，為很多復(fù)雜視覺(jué)信號(hào)的處理帶來(lái)了可能，例如傳統(tǒng)的采集、預(yù)處理、特征提取、目標(biāo)識(shí)別等過(guò)程可以通過(guò)一個(gè)CNN或GAN網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)，從而可以進(jìn)行更加精準(zhǔn)的目標(biāo)識(shí)別、目標(biāo)跟蹤、場(chǎng)景重建等應(yīng)用，也有很多功能、產(chǎn)品和公司出現(xiàn)。
? ? ? ? 計(jì)算機(jī)視覺(jué)（CV，computer vision）狹義上說(shuō)是使用計(jì)算機(jī)及相關(guān)設(shè)備對(duì)生物視覺(jué)的一種模擬，可簡(jiǎn)單理解為替代“眼睛”。它的主要任務(wù)就是通過(guò)對(duì)采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場(chǎng)景的三維信息，就像人類和許多其他類生物每天所做的那樣。
? ? ? ?廣義上說(shuō)是通過(guò)二維三維圖像、視頻等圖像信息的感知，進(jìn)而開(kāi)展決策的一種科學(xué)。其中包括計(jì)算機(jī)科學(xué)和工程、信號(hào)處理、物理學(xué)、應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)，神經(jīng)生理學(xué)和認(rèn)知科學(xué)等。
可能的理解誤區(qū)
? ? ? ? 不意味著計(jì)算機(jī)必須按人類視覺(jué)的方法完成視覺(jué)信息的處理。
? ? ? ? 個(gè)人認(rèn)為不必嚴(yán)格界定機(jī)器視覺(jué)、計(jì)算機(jī)視覺(jué)和模式識(shí)別等方向的區(qū)別，重點(diǎn)在于對(duì)實(shí)際問(wèn)題的解決，下圖是維基百科上的一種劃分方式，供參考。
|主要技術(shù)架構(gòu)
感知：采集視覺(jué)信號(hào)，感知器可以是各種光敏攝像機(jī)，包括遙感設(shè)備，X射線斷層攝影儀，雷達(dá)，超聲波接收器等。
處理：現(xiàn)在的機(jī)器學(xué)習(xí)很多算法已經(jīng)可以將整個(gè)處理過(guò)程在一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中完成。主要涉及環(huán)節(jié)有去噪、取樣等，減少目標(biāo)干擾。提取目標(biāo)特征。檢測(cè)分割：分割一或多幅圖片中含有特定目標(biāo)的部分。
應(yīng)用：
? ? ? ?識(shí)別評(píng)估：人臉識(shí)別、姿態(tài)識(shí)別、字符識(shí)別等
? ? ? ?目標(biāo)跟蹤：運(yùn)動(dòng)信號(hào)監(jiān)測(cè)、圖像跟蹤等；
? ? ? ?場(chǎng)景重建：給定一個(gè)場(chǎng)景的二或多幅圖像或者一段錄像，場(chǎng)景重建尋求為該場(chǎng)景建立一個(gè)計(jì)算機(jī)模型/三維模型等。
|公司、產(chǎn)品及應(yīng)用場(chǎng)景（部分）
? ? ? ?谷歌，微軟，Facebook、亞馬遜、蘋果、英特爾、華為、BAT等無(wú)一沒(méi)有建立自己的AI實(shí)驗(yàn)室，AI里面，計(jì)算機(jī)視覺(jué)或圖像處理是非常重要的一塊。
? ? ? ?世界各大汽車公司，如特斯拉、通用、寶馬等，在推動(dòng)無(wú)人駕駛技術(shù)之中，視覺(jué)導(dǎo)航是核心關(guān)鍵技術(shù)之一。
? ? ? ?同樣道理，無(wú)人機(jī)公司（大疆）、機(jī)器人公司（地平線）、攝像頭公司（海康威視、曠視科技、商湯科技）、圖像處理軟件公司（Adobe、美圖），甚至是迪士尼等電影動(dòng)畫制作公司都在CV方面大量投入資源開(kāi)展應(yīng)用。
? ? ? ?可以看出計(jì)算機(jī)視覺(jué)的應(yīng)用無(wú)處不在，很好理解，圖像無(wú)處不在是我們感知世界的最主要方式之一，所以其應(yīng)用場(chǎng)景和公司數(shù)不勝數(shù)，掛一漏萬(wàn)，盤點(diǎn)如下：
無(wú)人駕駛的視覺(jué)導(dǎo)航：還沒(méi)有條件實(shí)現(xiàn)象人那樣能識(shí)別和理解任何環(huán)境，完成自主導(dǎo)航的系統(tǒng)，如避障、路徑規(guī)劃等。相關(guān)公司及產(chǎn)品有：
工業(yè)機(jī)器人，也被稱為機(jī)器視覺(jué)，指的是自主機(jī)器人的視覺(jué)，用于檢測(cè)和測(cè)量的視覺(jué)。相關(guān)公司及產(chǎn)品有：速感科技（讓機(jī)器人認(rèn)識(shí)世界，用機(jī)器人改變世界），是一家以機(jī)器視覺(jué)為核心的人工智能創(chuàng)業(yè)公司，目標(biāo)是成為機(jī)器人行業(yè)領(lǐng)先的視覺(jué)解決方案提供商，產(chǎn)品線包括：三維視覺(jué)傳感器、機(jī)器人移動(dòng)開(kāi)發(fā)底盤、AGV導(dǎo)航定位模塊、智能跟隨機(jī)器人。
視頻監(jiān)控（安防、金融安全）：小區(qū)門禁、身份識(shí)別（金融、安防）、社會(huì)場(chǎng)所安全監(jiān)視及目標(biāo)識(shí)別跟蹤，包括攝像頭跟蹤（運(yùn)動(dòng)匹配）、監(jiān)視、人臉識(shí)別等。相關(guān)公司及產(chǎn)品有：海康威視；曠視科技，Face++專注于人臉識(shí)別技術(shù)和相關(guān)產(chǎn)品應(yīng)用研究，面向開(kāi)發(fā)者提供服務(wù)。擁有一套非常強(qiáng)大的人臉檢測(cè)系統(tǒng)；商湯科技，早期專注于安防領(lǐng)域，現(xiàn)在擴(kuò)展到互聯(lián)網(wǎng)＋。格靈深瞳深耕安防和商業(yè)數(shù)據(jù)分析領(lǐng)域，自主研發(fā)的深瞳技術(shù)在人和車的檢測(cè)、跟蹤與識(shí)別方面居于世界領(lǐng)先水平，產(chǎn)品線包括人眼攝像機(jī)、行為分析儀、車輛特征識(shí)別系統(tǒng)、視圖大數(shù)據(jù)分析平臺(tái)。
醫(yī)療計(jì)算機(jī)視覺(jué)和醫(yī)學(xué)圖像處理：從顯微鏡圖像，X射線圖像，血管造影圖像，超聲圖像和斷層圖像等之中檢測(cè)腫瘤，動(dòng)脈粥樣硬化或其他惡性變化。還可以作為醫(yī)學(xué)測(cè)量的新手段，如腦結(jié)構(gòu)，評(píng)估醫(yī)學(xué)治療質(zhì)量、超聲圖像、X射線圖像，降低噪聲的影響的圖像等。
工業(yè)制造中的質(zhì)量控制與測(cè)量：食物的光學(xué)分揀、缺陷自動(dòng)檢測(cè)、機(jī)器人臂的位置和細(xì)節(jié)取向測(cè)量。
軍事應(yīng)用：有關(guān)作戰(zhàn)的場(chǎng)景的豐富感知，如探測(cè)敵方士兵或車輛和導(dǎo)彈制導(dǎo)、雷達(dá)圖像分析等。
? ? ? ? ?這里推薦一篇文章，計(jì)算機(jī)視覺(jué)與深度學(xué)習(xí)公司，對(duì)于公司盤點(diǎn)的比較全面，傳送門：http://blog.csdn.net/hduxiejun/article/details/53725836
|技術(shù)沿革、當(dāng)前發(fā)展、熱點(diǎn)方向
? ? ? ? 技術(shù)沿革：計(jì)算機(jī)視覺(jué)領(lǐng)域的突出特點(diǎn)是其多樣性與不完善性，直到20世紀(jì)70年代后期，當(dāng)計(jì)算機(jī)的性能提高到足以處理諸如圖像這樣的大規(guī)模數(shù)據(jù)時(shí)，計(jì)算機(jī)視覺(jué)才得到了正式的關(guān)注和發(fā)展。涉及的主要技術(shù)領(lǐng)域：物理（電磁波：主要是可見(jiàn)光與紅外線部分）、生物視覺(jué)系統(tǒng)（視覺(jué)的生物機(jī)制）、信號(hào)處理（尤其是時(shí)變信號(hào)處理）和數(shù)學(xué)（統(tǒng)計(jì)學(xué)，最優(yōu)化理論以及幾何學(xué)）。
? ? ? ? 當(dāng)前發(fā)展：計(jì)算機(jī)視覺(jué)的經(jīng)典問(wèn)題進(jìn)入了傳統(tǒng)方法的瓶頸期，在不使用神經(jīng)網(wǎng)絡(luò)等算法時(shí)可能存在很多困難，如果把Deep Learning進(jìn)入CV的2012年作為新時(shí)代的開(kāi)始，很多神經(jīng)網(wǎng)絡(luò)對(duì)于各種視覺(jué)場(chǎng)景識(shí)別問(wèn)題的解決都實(shí)現(xiàn)了很好的效果。
? ? ? ? 熱點(diǎn)方向：當(dāng)前發(fā)展毋庸置疑是AI技術(shù)，尤其是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)在CV中的應(yīng)用，賦予了這個(gè)方向新的生命。引用知乎答主周博磊的話：計(jì)算機(jī)視覺(jué)在人工智能和深度學(xué)習(xí)的大背景下方興未艾。現(xiàn)在的CV和AI研究其實(shí)是變得越來(lái)越扁平快，論文數(shù)量和研究方向也是繁多. 已經(jīng)很難follow。目前在技術(shù)上有一些可能的熱點(diǎn)：
機(jī)器人視覺(jué)
基于GAN的生成視覺(jué)模型方向
多媒體計(jì)算機(jī)視覺(jué)，也叫多模態(tài)視覺(jué)
會(huì)議及期刊
頂級(jí)會(huì)議
ICCV：International Conference on Computer Vision，國(guó)際計(jì)算機(jī)視覺(jué)大會(huì)
CVPR：International Conference on Computer Vision and Pattern Recognition，國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別大會(huì)
ECCV：European Conference on Computer Vision，歐洲計(jì)算機(jī)視覺(jué)大會(huì)
較好會(huì)議
ICIP：International Conference on Image Processing，國(guó)際圖像處理大會(huì)
BMVC：British Machine Vision Conference，英國(guó)機(jī)器視覺(jué)大會(huì)
ICPR：International Conference on Pattern Recognition，國(guó)際模式識(shí)別大會(huì)
ACCV：Asian Conference on Computer Vision，亞洲計(jì)算機(jī)視覺(jué)大會(huì)
頂級(jí)期刊
PAMI：IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE 模式分析與機(jī)器智能雜志
IJCV：International Journal on Computer Vision，國(guó)際計(jì)算機(jī)視覺(jué)雜志
較好期刊
TIP:IEEE Transactions on Image Processing，IEEE圖像處理雜志
CVIU：Computer Vision and Image Understanding，計(jì)算機(jī)視覺(jué)與圖像理解
PR：Pattern Recognition，模式識(shí)別
PRL：Pattern Recognition Letters，模式識(shí)別快報(bào)
|授人以漁，資料分享
卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)中的應(yīng)用（ Computer Vision: the use of CovNets），在此推薦斯坦福的CS231n課程：針對(duì)視覺(jué)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)。?
MIT周博磊博士：http://people.csail.mit.edu/bzhou/?聚集分析、運(yùn)動(dòng)檢測(cè)
初探計(jì)算機(jī)視覺(jué)的三個(gè)源頭、兼談人工智能｜正本清源：http://mp.weixin.qq.com/s?__biz=MzI3MTM5ODA0Nw==&mid=100000002&idx=2&sn=32face7f1acb17e07f3c38dde41d880e；計(jì)算機(jī)視覺(jué)領(lǐng)軍人物之一加州大學(xué)洛杉磯分校UCLA統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)教授Song-Chun Zhu的訪談錄
杜克大學(xué)的Guillermo Sapiro所教授的課程——《圖像和視頻處理：從火星到好萊塢Image and Video Processing: From Mars to Hollywood with a Stop at the Hospital》，可以在coursera和YouTube上找到相關(guān)的課程視頻信息。
Gonzalez與Woods編寫的《數(shù)字圖像處理（Digital Image Processing）》一書，使用MATLAB來(lái)運(yùn)行其中所提到的范例。
佛羅里達(dá)大學(xué)的Mubarak Shah教授在計(jì)算機(jī)視覺(jué)方面的課程可以作為一門很好的入門課程
黎中央理工學(xué)院的Nikos Paragios和Pawan Kumar講授了一門人工視覺(jué)中的離散推理（Discrete Inference in Artificial Vision）課程，它能提供相關(guān)的概率圖形模型和計(jì)算機(jī)視覺(jué)相關(guān)的大量數(shù)學(xué)知識(shí)。
《使用Python對(duì)計(jì)算機(jī)視覺(jué)進(jìn)行編程/Programming Computer Vision with Python》
|參考資料
百度百科，計(jì)算機(jī)視覺(jué)：https://baike.baidu.com/item/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/2803351?fr=aladdin
雷鋒網(wǎng)，七步帶你認(rèn)識(shí)計(jì)算機(jī)視覺(jué)：https://www.leiphone.com/news/201608/UaRVIbntJCdv4G9K.html
計(jì)算機(jī)視覺(jué)領(lǐng)域的一些牛人博客，超有實(shí)力的研究機(jī)構(gòu)等的網(wǎng)站鏈接：http://blog.csdn.net/carson2005/article/details/6601109
知乎神帖，中國(guó)計(jì)算機(jī)視覺(jué)的前途在哪？機(jī)器視覺(jué)工程師又何去何從？：https://www.zhihu.com/question/20451261
知乎神帖：機(jī)器視覺(jué)與計(jì)算機(jī)視覺(jué)的區(qū)別？：https://www.zhihu.com/question/23183532
善用智能之道：行業(yè)動(dòng)態(tài)、技術(shù)前沿、產(chǎn)業(yè)服務(wù)，歡迎關(guān)注聯(lián)系：九三智能控
PS：可申請(qǐng)進(jìn)入微信群交流，不定期分享資料，拓展行業(yè)人脈。添加微信：yan_kylin，注明名字+研究領(lǐng)域/專業(yè)/學(xué)校/公司，或在公眾號(hào)留言。
總結(jié)
以上是生活随笔為你收集整理的计算机视觉和AI | CV小结 | 附资源分享 | 解读技术的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： 什么是Base64 编码，Base64
- 下一篇： lvgl硬件加速