CV 复习（大纲）
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(tài)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(gòu)建視覺系統(tǒng)的主體部分
-
20世紀70年代
- 在解決推理和規(guī)劃等問題之前，視覺輸入的處理
- 與數(shù)字圖像處理相區(qū)別的是從圖像中恢復場景的三維結(jié)構(gòu)并更好的理解場景
- 數(shù)字圖像處理，計算機圖像處理，將圖像信號轉(zhuǎn)變?yōu)閿?shù)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(jié)構(gòu)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(tài)演化輪廓跟蹤器
- 三維數(shù)據(jù)的處理
- 利用變分優(yōu)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(wěn)定點和關(guān)鍵點）
- 統(tǒng)計學習方法，CV技術(shù)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(shù)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(shù)量差異巨大，并且相似度不同
-
印刷體文字識別
- 字符排列規(guī)整：易于檢測
- 基于模板
- 字符排列規(guī)整：易于檢測
-
手寫體文字識別
- 聯(lián)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(jù)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(tǒng)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(zhuǎn)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?qū)W習和輸出邊框的位置，還能夠輸出文本框的旋轉(zhuǎn)角度誰他
- 切片，然后連接各個字的中心點，得到旋轉(zhuǎn)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(tài)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(tài)估計
- 單人姿態(tài)估計
- 多人姿態(tài)估計
5：人臉檢測和識別
- 基于模板的方法
- 基于ADBOOST
- 非約束環(huán)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(jié)
- 上一篇： 使用resNet网络 进行图像分类（ju
- 下一篇： MASK -RCNN