知乎live：計算機視覺從入門到放肆--羅韻
知乎 ： 計算機視覺從入門到放肆 羅韻
計算機視覺跟深度學習的結合是必然的事情
計算機視覺，圖像處理 基礎：
計算機視覺，機器視覺，圖像處理的關系是什么？
人工智能領域下的一個分支：計算機視覺
針對場景、方法、工具都不一樣
入門提前知道的東西↑
圖像的基礎知識：
圖像深度：（存儲每一個像素用到的bits），占用的bit數越多，所能表現的顏色越多，越豐富
例如 ： 400*400 8位（深度）圖，數據量有多少呢？
計算方法: 400*400*8/8 == 160k
根據深度的取值范圍：每個像素的取值范圍，決定了顏色的豐富度 2^8,0-255
圖像的數據量=圖像的分辨率 *圖像深度/8
圖像分辨率是指 一幅圖像橫向和縱向的像素點數相乘
圖像的壓縮格式：jpg，png，bmp，tif 本質上是做壓縮編碼
奇怪的例子：兩張圖的大小，長寬，位數都一樣，但壓縮后的大小不一樣
一個很復雜的圖，和一張很簡單的圖，他們都是一張jpg，但他們的大小是不一樣的，是因為圖片使用的壓縮格式和編碼不一樣
圖片的通道數：灰度圖（單通道），RGBA（四通道）：包括了RBG跟A（透明度）
兩通道的圖（一個通道放實數，另一個通道放虛數）：主要為了編程的方便
16位圖：本來是三通道圖，為了減少數據量，壓縮到16位（剛好兩個通道），
常見：RGB555（R占5位，G占5位，B占5位），RGB565 古老通道形式
監控攝像頭，模擬相機：yuv，yuyv這些數據格式，關乎於圖片的通道數和存儲方式
視頻的基礎知識：
IPB幀，幀率，碼率，分辨率
視頻分析的第一步，視頻的結構，特點，比如（幀率和碼率特別低，是不能套模版的）
比如做目標跟蹤，人家是每秒30幀情況下跟蹤效果很好，但是如果你每秒只有2幀，那你
跟蹤效果，肯定會有影響（有可能人在上一幀有，下一幀就沒有了，跟蹤個P啊。。）
維度：
IPB：原始的視頻可以理解為是一些圖片的序列
而視頻里面每一張有序的圖片，我們叫做一幀
視頻：有序的圖片序列
（圖片都有壓縮，那視頻肯定也有壓縮啊）
而IPB指的是，在壓縮完的視頻里面，只會存在的三種幀
I幀：關鍵幀，（會把一張圖片完整的保留下來），很重要，I幀不能出錯，出錯全GG
P幀：指的是當前這一幀和上一張關鍵幀的區別，解碼的時候很簡單，只需要用之前
緩存的畫面疊加上這一幀的差別，就能生成最終的畫面，所以我們就不需要把畫面 完全保留下來，而是保留下 P幀（當前幀和上一個I幀的差別）
B幀：雙向差別幀（跟上一個I幀的差別，下一個I幀的差別）
解碼B幀，cpu會比較累
所以一個視頻被壓縮后，只有這三種幀。
視頻在當前更多的使用方式，已經不是用硬盤去讀取，而是用網絡的形式去讀取
例如：網絡攝像頭，視頻的網絡地址（對於I幀的要求更高）
如果傳輸卻一個I幀，視頻會缺一段。。。
碼率：碼率越大，視頻體積越大，碼率越小，視頻體積越小
碼率：視頻傳輸的時候，單位時間傳送的單位數，kb/s,
采樣率：單位時間內取樣越多，精確度越大
視頻碼率很低--->單位時間內采樣率很低，
一個視頻，碼率不夠的情況，我們得到的視頻可能只有原數據的一半，就會很模糊
如果你了解到你這個視頻本身碼率很低的情況下，你要用的方法是低碼率的方法，
如果碼率很高，可以用常用的數據庫和數據集去學習訓練
幀率：每秒有多少幀。
分辨率：圖像的大小和圖像的質量 正比關系
網絡攝像機：網絡視頻地址的形式去訪問，清晰度比模擬攝像機高處不少，
比模擬攝像機的市場占有率高的多
工業攝像機：高精密儀器檢測。。
焦距：決定了取景范圍
顯卡GPU計算，谷歌TPU（高性能處理器）
GPU與CPU的差別：
性能（低延時性）和吞吐量
CPU：低延時性，高性能，低吞吐量，local cache比較大，同時讀入大量的數據，集中分析
GPU：吞吐量很高，延時性比較高 ，cache小，並行線程非常多，處理小量數據
一張圖片特別合適用GPU分析，把每一個像素，當做一個線程處理，發揮GPU性能
計算機視覺設計到的面非常多，除了它是人工智能的一個分支外
包括 機器學習，數學，認知神經心理學，機器人控制，信號處理。。。
計算機視覺：偏軟件處理，跟應用場景相關。
機器視覺：硬件上的結合，機器人，工業級的攝像機，工業級的檢測，跟計算機本身交集多
圖像處理：更側重圖像像素級別的處理
cs231n 李飛飛 計算機視覺
編程語言： python（numby，scipiy，實現論文中的算法），c/c++（生產環境），熟練c/c++
Matlab（實現算法），java（實現算法）
數學基礎：概率學和統計學（對樣本分布的理解）---了解基本知識
幾何代數，微積分，機器學習（MachineLearning）
第一本：適合入門級別（本科結束--研究生階段，基礎知識多，matlabcodes，slis（音譯））
第四本：有一定計算機視覺基礎（入門后），opencv軟件庫，非常接地氣，一個情景一個 理論對應一個實現方法，快速進入開發，具備良好開發能力
第二本：對cv有一個深入的理解，計算機視覺領域的寶典，包含各個領域，權威書，工具 書
第三本：3D圖形學，ar，vr，photograph，cv里面的幾何知識。
兩門足夠了，認真看完，就是中等的cv研究人員，講的都很深入
Cs223b，講的更理論，純cv
Cs231n，非常經典的課程，比223b進步的地方主要是結合深度學習的
如果主攻3D重構，圖像，有cs223a（機器人導論？？？，live說錯了嗎），專門講重構，ar，vr
非常有用的網站↑
從1994開始做的索引，涵蓋了cv的所有topic，subtopic，著作，論文，教材，各類主題的關鍵詞，會議，期刊，書籍，剛才書的第二本就有提到
深度學習的知識，唯一要看的書！
還有一些論文。。。
深度學習的入門書籍！（里面包含數學知識）
對於那行數學知識，不需要了解非常深入，但要了解到這本書前五個章節
學習一些開源的軟件，框架，opencv必不可少（快速實現經典算法和函數）
重要性排序：Opencv，tensorflow（更像一門編程語言），caffe（深度學習子方向，卷積神經網絡）
Torch mxnet看情況使用。。。
Ffmpeg視頻轉換處理，批量處理，格式的處理，很方便。
相關的論文：
每個研究方向。。
熟悉所在方向的發展歷程，有那些里程碑式的文獻（必須精度），研究人員寫的博文
，可以從論文前言，摘要，領域的研究現狀，研究過往，找到對應的文獻。。
例子:利用深度學習做目標檢測，這個領域在這兩年里程碑式的論文，包括RNN，FAST RNN，
並且要精度。。。
每天去看一下這個網站，更新最新的研究論文。
最好寫論文筆記，他解決了什么問題，用的什么方法，有沒有創新點，達到了什么效果，
存在着那些缺點。
自己做的研究領域，當前頂會和頂刊，沒有，可能是你after了，或者人做的少。
如果有的，你要去跟進當前最新的進展（過一遍），知道當前的潮流
----------------------------------------------------------------------------
一些問題的答案：
未來cv就業，工業應用級別C++是必須的。
cv需求還挺大
粗暴入門做項目。。。