目录

S1.1CV概述

S1.2CV历史背景

S1.3课程后勤

S1.1CV概述

定义

计算机视觉(computer vision,CV)是对视觉数据的研究，是一个多学科交叉的领域（物理，生物学，心理学，计算机科学，数学，工程学）。这些年，视觉数据呈爆炸式地增长，这很大程度上得益于世界上许许多多的视觉传感器。这些传感器每天能产生大量的视觉数据，这些数据构成了网络上传输的大部分数据。然而视觉数据对于计算机来说很难理解。

其他课程

CS224n:关于深度学习和自然语言处理的课程。

CS231a:更全面的计算机视觉课程。

CS231n:计算机视觉课程，但专注于神经网络的算法，特别是卷积神经网络CNN。并将算法应用于各种视觉识别任务。

S1.2CV历史背景

CV历史

1. 20世纪五六十年代，Hubel和Wiesel使用电生理学的研究。研究的问题是“哺乳动物的视觉处理机制是怎样的？”。研究发现视觉处理是始于视觉世界的简单结构，面向边缘。沿着视觉处理途径的移动，信息也在变化，大脑建立了复杂的视觉信息，直到它可以理解复杂的视觉世界。这是cv的开始。
2. 1966，The Summer Vision Project(MIT暑期项目)，该项目使得有效地使用我们的暑期工作时间来构建视觉系统的重要组成部分，解决在大部分视觉系统中的问题。
3. 20世纪70年代后期，David Marr(MIT视觉科学家)撰写了一本书，该书告诉我们如何处理计算机视觉，开发以及如何可以使计算机识别视觉世界的算法。同时，Stanford，Palo Alto和SRI分别提出两种模型，用于识别或者表示现实世界的对象。两种模型分别是广义圆柱体(Generalized Cylinder)和图形结构(Pitorial Structure)，他们的基本思想是每个对象都由简单的几何图单位组成。
4. 20世纪80年代，David Lowe思考如何重建或识别由简单的物体结构组成的视觉空间。
5. 20世纪60-80年代，cv的任务是目标识别，但这任务太难，那么首先要做的是目标分割。除此之外，1990-2000，出现了SVM，boosting，图模型方法。以及使用AdaBoost算法进行实时面部检测。2006年，富士推出了实时面部检测的数码相机，这是从基础科学研究到实际应用的一个快速转化。
6. 1990-2000，David Lowe提出SIFT特征，用于基于特征的目标识别。
7. 21世纪早期，才开始真正拥有标注的数据集，其中最有影响的数据集是PASCAL Visual Object Challenge。同时，开展了一个ImageNet项目。ImageNet可能是当时AI领域最大的数据集，它将目标检测算法的发展推到一个新高度。
8. ImageNet数据集以及比赛，2012年，使用卷积神经网络将ImageNet的错误率降低了近10%。

S1.3课程后勤

CS231n课程重点

1. cv相关任务：图像分类问题，目标检测，图像摘要生成。目标检测要求画出边界框，指出框中的物体类别以及位置。图像摘要任务是指给定一幅图片，生成一段句子，来描述该图片。
2. 卷积神经网络的介绍。
3. 相关软件：TensorFlow,Torch,PyTorch