体感传感器与3D视觉交互 信息与通信工程学院潘哗 电子特战女草 in内0xt由iand hdervp d0in
体感传感器与3D视觉交互 信息与通信工程学院 潘晔
计算机视觉概述 Computer Vision COMPLETE 是什么？ Staf 为什么？ Marie Souza 怎么实现？ 电子特战女学 in内0xt由iand hdervp d0in
计算机视觉概述 Computer Vision 是什么？ 为什么？ 怎么实现？
人与机器不同： [[oo]o2]o]g[4 [[阿 ]][4 [2[阿 []]2] [2]][[4 ][o ]]]]的4 我们眼中的图像 计算机“眼中”的图像 http://open.163.com/movie/2015/3/Q/R/MAKN9A24M MAKN9QAQR.html 电子科战女草 in内0xt由iand hdervp d0in
我们眼中的图像 计算机“眼中”的图像 人与机器不同： http://open.163.com/movie/2015/3/Q/R/MAKN9A24M_MAKN9QAQR.html
原因与技术 Question1:为什么要让计算机“眼中"”的图像是这个样子？(Why) Question2:实现这些设想需要哪些技术支撑？(hat) Question3:这些技术又是怎样实现这些处理转化的？(HoW) [o[阿ooo[阿购 Why [阿的][ [▣]的]]购 What?How? ▣][4 电子科战女学 我们希望的计算机“眼中”的图像 in内0xt由iand hdervp d0i同
What? How? Why？ 原因与技术 Question1：为什么要让计算机“眼中”的图像是这个样子？(Why) Question2：实现这些设想需要哪些技术支撑？(What) Question3：这些技术又是怎样实现这些处理\转化的？(How) 我们希望的计算机“眼中”的图像
计算机视觉 人脑中大约70%的信息是来自于眼睛。大概20-30%的皮层区域是做视觉处理的。 计算机视觉是人工智能的核心技术。机器要像人一样，会看，会听，会说，会 学习，会思考等等。 自动驾驶 智能监控 智能机器人 行人检测 电子科战女学 in内0xt由iand hdervp d0in
自动驾驶 智能监控 智能机器人 行人检测 计算机视觉 人脑中大约70%的信息是来自于眼睛。大概20-30%的皮层区域是做视觉处理的。 计算机视觉是人工智能的核心技术。机器要像人一样，会看，会听，会说，会 学习，会思考等等
计算机视觉 除了这些新事物需要计算机视觉技术的支持，我们日常生活中也到处充 满了视屏与图像，数量庞大的图像也需要新技术来帮我们分类、处理。 中中央电提丝候20171.21 CHEST PA 电子科战女学 i内0xt由impiand hdervp0ig
除了这些新事物需要计算机视觉技术的支持，我们日常生活中也到处充 满了视屏与图像，数量庞大的图像也需要新技术来帮我们分类、处理。 计算机视觉
计算机视觉技术发展 20世纪60年代，Roberts(1965)通过计算机程序从数字图像中提取出诸 如立方体、楔形体、棱柱体等多面体的三维结构； 70年代中期，麻省理工学院(MT)人工智能(A)实验室正式开设“机器视 觉”(Machine Vision)课程，由国际著名学者B.K.P.Hom教授讲授； 80年代以来，计算机视觉的研究已从实验室走向实际应用的发展阶段； 近几年Deep Learningl的出现、大数据和云计算的支撑，使得计算机视 觉各方面都得到了快速的发展： 图像分类：2015年微软ResNetI以96.43%的正确率超过人类的94.9% 图像检测：SSD达到精度75.1%，速度23帧/秒 图像分割：牛津大学CRF as RNN达到74.7%的平均精度 图像标注：可用于图片搜索， 谷歌、百度微软、UCBerkely、多伦 多大学等都在研究 文字生成图像：图像标注的逆过程，最新算法是用SRGAN.生成图片 物体跟踪：TCNN —VOT2016冠军，效果最好； DSST一VOT2016冠军，速度快达到100fps。 电子科战女草 i内0xt由impiand hdervp0ig
计算机视觉技术发展 • 20世纪60年代，Roberts(1965)通过计算机程序从数字图像中提取出诸 如立方体、楔形体、棱柱体等多面体的三维结构； • 70年代中期，麻省理工学院(MIT)人工智能(AI)实验室正式开设“机器视 觉”(Machine Vision)课程，由国际著名学者B．K．P．Hom教授讲授； • 80年代以来，计算机视觉的研究已从实验室走向实际应用的发展阶段； • 近几年Deep Learning的出现、大数据和云计算的支撑，使得计算机视 觉各方面都得到了快速的发展： • 图像分类：2015年微软ResNet以96.43%的正确率超过人类的94.9% • 图像检测：SSD达到精度75.1%，速度23帧/秒 • 图像分割：牛津大学CRF as RNN达到74.7%的平均精度 • 图像标注：可用于图片搜索，谷歌、百度微软、UCBerkely、多伦 多大学等都在研究 • 文字生成图像：图像标注的逆过程，最新算法是用SRGAN生成图片 • 物体跟踪：TCNN——VOT2016冠军，效果最好； DSST—— VOT2016冠军，速度快达到100fps
计算机视觉与其他领域的关系 人工智能 壁芙制 信号处理 机器学习 计算机 视觉 机器视觉 物理学 图象处理 数学 神经生物学 成像技术 电子转战女学 in内0xt由iand hdervp d0i同
计算机视觉与其他领域的关系
Why is CV difficult? 1 Challenges:viewpoint variation Challenges:illumination 3 Challenges:scale ④ Challenges:deformation 5 Challenges:occlusion 6Challenges:background clutter ⑦Challenges:Motion ⑧) Challenges:object intra-class variation ⑨ Challenges:local ambiguity Forsyth Ponce,Computer Vision:A Modern Approach 电子科战女草 behr0ket:tenf0i同
Why is CV difficult? ① Challenges: viewpoint variation ② Challenges: illumination ③ Challenges: scale ④ Challenges: deformation ⑤ Challenges: occlusion ⑥ Challenges: background clutter ⑦ Challenges: Motion ⑧ Challenges: object intra-class variation ⑨ Challenges: local ambiguity • Forsyth & Ponce, Computer Vision: A Modern Approach
Challenges:viewpoint variation 电子科皮女学 Michelangelo 1475-1564 slide credit:Fei-Fei,Fergus Torralba
Challenges: viewpoint variation Michelangelo 1475-1564 slide credit: Fei-Fei, Fergus & Torralba