英国伯明翰大学计算机视觉和成像课程预习指南

视觉是人类在(不断)变化的环境中行动(和交互)的主要感官之一，而成像是我们以适合计算处理的形式记录视觉信息的手段。成像和计算机视觉在从先进显微镜技术到自动驾驶汽车的各种智能系统中共同发挥着重要作用。计算机视觉和成像课程将重点关注基本计算原理，这些原理使通过多种成像技术之一获取的一系列图像元素能够转换为理解图像内容和完成各种感知任务所需的结构和语义实体。我们将研究图像形成、低级图像处理、对象识别、分类、分割、配准、立体视觉、运动分析、跟踪和主动视觉。讲座将伴随一系列练习，这些计算模型将在现实场景中设计、实现和测试。

一、课程预习成果

在本模块结束时，学生应该能够：

a.了解主要的计算机视觉和成像方法以及计算模型

b.设计、实现和测试计算机视觉和成像算法

c.了解如何综合成像和视觉技术的组合来解决现实世界的问题

d.学生应表现出独立学习、理解和批判性评估本模块所涵盖主题领域的先进材料或研究文章的能力。

二、增进计算机视觉的了解

1.什么是计算机视觉?

计算机视觉是人工智能(AI)的一个领域，它允许计算机和系统从数字图像、视频和其他视觉数据中提取有意义的信息，并根据这些信息采取行动或提出建议。如果说人工智能让计算机能够思考，那么计算机视觉则让计算机能够观察、观察和理解。

计算机视觉的工作方式与人类视觉相同，只是人类更具优势。人类视觉的优势在于终生训练如何分辨物体、物体的距离、物体是否移动以及图像是否有问题。

计算机视觉可以训练机器执行这些功能，但它必须在更短的时间内利用摄像头、数据和算法，而不是视网膜、视神经和视觉皮层。由于经过训练的系统可以在每分钟内分析数千种产品或流程，发现难以察觉的缺陷或问题，从而迅速超越人类的能力。

2.计算机视觉如何工作?

计算机视觉需要大量数据。它反复分析数据，直到识别出差异并最终识别图像。例如，要训练计算机识别汽车轮胎，就需要给计算机提供大量轮胎和相关物品的图像，让它学会区别并识别轮胎，尤其是没有缺陷的轮胎。

为此，需要使用两种主要技术：一种是称为深度学习的机器学习，另一种是卷积神经网络(CNN)。

机器学习使用算法模型，使计算机能够自我学习视觉数据的上下文。如果通过模型输入足够多的数据，计算机就会 "观察 "这些数据，并学会区分不同的图像。算法可以让机器自主学习，而不是由人编程来识别图像。

CNN 通过将图像分离成像素来帮助机器学习或深度学习模型进行 "搜索"，这些像素被分配了标签或标记。它使用这些标签进行卷积(对两个特征进行数学运算以产生第三个特征)，并对它 "看到 "的内容进行预测。神经网络执行卷积，并在一系列迭代中检查其预测的准确性，直到预测开始成真。然后，它就能以类似人类的方式识别或看到图像。

就像人类从远处辨别图像一样，CNN 首先识别硬边缘和简单形状，然后在执行迭代预测时填充信息。CNN 用于理解单个图像。递归神经网络 (RNN) 也同样用于视频应用，帮助计算机理解帧序列中图像之间的关系。

海马课堂专业课程辅导，2300+严选硕博学霸师资，针对学生的薄弱科目和学校教学进度，匹配背景相符的导师，根据学生情况进行1V1专属备课，上课时间灵活安排，中英双语详细讲解课程中的考点、难点问题，并提供多方位的课后辅导，辅助学生掌握全部课程知识，补足短板。