李飞飞计算机视觉课CS231n第一天

数据集

Pascal Visual Object Challenge: 20 catagories

ImageNet: 22000 catagories and 14 millions images

一些特征提取算法

SIFT feature:

是一种基于特征的目标识别。

用一个’STOP’标识去匹配另一个’STOP’标识非常困难，因为有很多变化的因素，比如相机的角度、遮挡、视角、光线以及目标自身的内在变化。

通过观察目标的某些对旋转、尺度缩放、亮度变化等保持不变性特征（SIFT特征），然后把这些特征与相似的目标进行匹配，这会比匹配整个目标更容易。

空间金字塔匹配：

a. 图片里面有各种特征来告诉我们这是哪种场景。

b. 这个算法从图片的各部分、各像素抽取特征，并把他们放在一起作为一个特征描述符。

c. 在特征描述符上做一个支持向量机。

Hog (histogram of gradients) feature：

是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。

HOG特征通过计算和统计图像局部区域的梯度方向直方图来构成特征。

提出的目的是为了更好的解决行人检测的问题。

研究如何在实际图片中比较合理地设计人体姿态和辨认人体姿态。

促使计算机视觉发展的因素

数据集增多

图片质量优化

计算机硬件数据集升级。

计算机视觉的任务

图像分割、图像分类、姿态检测、目标检测等等

如果觉得《李飞飞计算机视觉课CS231n第一天》对你有帮助，请点赞、收藏，并留下你的观点哦！