知乎live：计算机视觉从入门到放肆--罗韵
知乎 ： 计算机视觉从入门到放肆 罗韵
计算机视觉跟深度学习的结合是必然的事情
计算机视觉，图像处理 基础：
计算机视觉，机器视觉，图像处理的关系是什么？
人工智能领域下的一个分支：计算机视觉
针对场景、方法、工具都不一样
入门提前知道的东西↑
图像的基础知识：
图像深度：（存储每一个像素用到的bits），占用的bit数越多，所能表现的颜色越多，越丰富
例如 ： 400*400 8位（深度）图，数据量有多少呢？
计算方法: 400*400*8/8 == 160k
根据深度的取值范围：每个像素的取值范围，决定了颜色的丰富度 2^8,0-255
图像的数据量=图像的分辨率 *图像深度/8
图像分辨率是指 一幅图像横向和纵向的像素点数相乘
图像的压缩格式：jpg，png，bmp，tif 本质上是做压缩编码
奇怪的例子：两张图的大小，长宽，位数都一样，但压缩后的大小不一样
一个很复杂的图，和一张很简单的图，他们都是一张jpg，但他们的大小是不一样的，是因为图片使用的压缩格式和编码不一样
图片的通道数：灰度图（单通道），RGBA（四通道）：包括了RBG跟A（透明度）
两通道的图（一个通道放实数，另一个通道放虚数）：主要为了编程的方便
16位图：本来是三通道图，为了减少数据量，压缩到16位（刚好两个通道），
常见：RGB555（R占5位，G占5位，B占5位），RGB565 古老通道形式
监控摄像头，模拟相机：yuv，yuyv这些数据格式，关乎于图片的通道数和存储方式
视频的基础知识：
IPB帧，帧率，码率，分辨率
视频分析的第一步，视频的结构，特点，比如（帧率和码率特别低，是不能套模版的）
比如做目标跟踪，人家是每秒30帧情况下跟踪效果很好，但是如果你每秒只有2帧，那你
跟踪效果，肯定会有影响（有可能人在上一帧有，下一帧就没有了，跟踪个P啊。。）
维度：
IPB：原始的视频可以理解为是一些图片的序列
而视频里面每一张有序的图片，我们叫做一帧
视频：有序的图片序列
（图片都有压缩，那视频肯定也有压缩啊）
而IPB指的是，在压缩完的视频里面，只会存在的三种帧
I帧：关键帧，（会把一张图片完整的保留下来），很重要，I帧不能出错，出错全GG
P帧：指的是当前这一帧和上一张关键帧的区别，解码的时候很简单，只需要用之前
缓存的画面叠加上这一帧的差别，就能生成最终的画面，所以我们就不需要把画面 完全保留下来，而是保留下 P帧（当前帧和上一个I帧的差别）
B帧：双向差别帧（跟上一个I帧的差别，下一个I帧的差别）
解码B帧，cpu会比较累
所以一个视频被压缩后，只有这三种帧。
视频在当前更多的使用方式，已经不是用硬盘去读取，而是用网络的形式去读取
例如：网络摄像头，视频的网络地址（对于I帧的要求更高）
如果传输却一个I帧，视频会缺一段。。。
码率：码率越大，视频体积越大，码率越小，视频体积越小
码率：视频传输的时候，单位时间传送的单位数，kb/s,
采样率：单位时间内取样越多，精确度越大
视频码率很低--->单位时间内采样率很低，
一个视频，码率不够的情况，我们得到的视频可能只有原数据的一半，就会很模糊
如果你了解到你这个视频本身码率很低的情况下，你要用的方法是低码率的方法，
如果码率很高，可以用常用的数据库和数据集去学习训练
帧率：每秒有多少帧。
分辨率：图像的大小和图像的质量 正比关系
网络摄像机：网络视频地址的形式去访问，清晰度比模拟摄像机高处不少，
比模拟摄像机的市场占有率高的多
工业摄像机：高精密仪器检测。。
焦距：决定了取景范围
显卡GPU计算，谷歌TPU（高性能处理器）
GPU与CPU的差别：
性能（低延时性）和吞吐量
CPU：低延时性，高性能，低吞吐量，local cache比较大，同时读入大量的数据，集中分析
GPU：吞吐量很高，延时性比较高 ，cache小，并行线程非常多，处理小量数据
一张图片特别合适用GPU分析，把每一个像素，当做一个线程处理，发挥GPU性能
计算机视觉设计到的面非常多，除了它是人工智能的一个分支外
包括 机器学习，数学，认知神经心理学，机器人控制，信号处理。。。
计算机视觉：偏软件处理，跟应用场景相关。
机器视觉：硬件上的结合，机器人，工业级的摄像机，工业级的检测，跟计算机本身交集多
图像处理：更侧重图像像素级别的处理
cs231n 李飞飞 计算机视觉
编程语言： python（numby，scipiy，实现论文中的算法），c/c++（生产环境），熟练c/c++
Matlab（实现算法），java（实现算法）
数学基础：概率学和统计学（对样本分布的理解）---了解基本知识
几何代数，微积分，机器学习（MachineLearning）
第一本：适合入门级别（本科结束--研究生阶段，基础知识多，matlabcodes，slis（音译））
第四本：有一定计算机视觉基础（入门后），opencv软件库，非常接地气，一个情景一个 理论对应一个实现方法，快速进入开发，具备良好开发能力
第二本：对cv有一个深入的理解，计算机视觉领域的宝典，包含各个领域，权威书，工具 书
第三本：3D图形学，ar，vr，photograph，cv里面的几何知识。
两门足够了，认真看完，就是中等的cv研究人员，讲的都很深入
Cs223b，讲的更理论，纯cv
Cs231n，非常经典的课程，比223b进步的地方主要是结合深度学习的
如果主攻3D重构，图像，有cs223a（机器人导论？？？，live说错了吗），专门讲重构，ar，vr
非常有用的网站↑
从1994开始做的索引，涵盖了cv的所有topic，subtopic，著作，论文，教材，各类主题的关键词，会议，期刊，书籍，刚才书的第二本就有提到
深度学习的知识，唯一要看的书！
还有一些论文。。。
深度学习的入门书籍！（里面包含数学知识）
对于那行数学知识，不需要了解非常深入，但要了解到这本书前五个章节
学习一些开源的软件，框架，opencv必不可少（快速实现经典算法和函数）
重要性排序：Opencv，tensorflow（更像一门编程语言），caffe（深度学习子方向，卷积神经网络）
Torch mxnet看情况使用。。。
Ffmpeg视频转换处理，批量处理，格式的处理，很方便。
相关的论文：
每个研究方向。。
熟悉所在方向的发展历程，有那些里程碑式的文献（必须精度），研究人员写的博文
，可以从论文前言，摘要，领域的研究现状，研究过往，找到对应的文献。。
例子:利用深度学习做目标检测，这个领域在这两年里程碑式的论文，包括RNN，FAST RNN，
并且要精度。。。
每天去看一下这个网站，更新最新的研究论文。
最好写论文笔记，他解决了什么问题，用的什么方法，有没有创新点，达到了什么效果，
存在着那些缺点。
自己做的研究领域，当前顶会和顶刊，没有，可能是你after了，或者人做的少。
如果有的，你要去跟进当前最新的进展（过一遍），知道当前的潮流
----------------------------------------------------------------------------
一些问题的答案：
未来cv就业，工业应用级别C++是必须的。
cv需求还挺大
粗暴入门做项目。。。