计算机视觉

物体检测通常被视作一个区域（patch）分类的问题。 解决分类问题有多种方式：包括**两阶段的区域提议检测器**和**单阶段检测器**等

目标检测基础 分类与检测（Classification vs. Detection） 物体检测是指在图像中定位对象的技术。

Segmentation as classification 像素分类（Pixel classification） 作为分类问题的图像分割。给定一个窗口（NxN 个像素），对中心像素进行分类。

有多种方法可以进行图像分割，但许多方法都使用像素聚类（pixel clustering） 和图分析（graph analysis） 的某种组合。

GAN 架构 GANs（生成对抗网络）是一种机器学习模型，它学习如何从特定的分布中生成实例（例如，人脸图像）。它实际上包含两个神经网络：一个生成器（generator）和一个判别器。

前置：背景知识 概率符号说明 P(x) = 事件x发生的概率。 联合概率：P(x, y) 或 P(x \cap y) = 事件x和y同时发生的概率。

形状骨架（Shape skeletons） 形状（Shape） 二维形状的模型通常基于以下两种情况之一： 形状的边界轮廓（线段、角度） 形状的内部结构（分支）

Texture (纹理) 定义 图像处理 (Image Processing): 纹理是一个具有空间稳定性的区域（在该区域的每个地方都具有相同的统计特性）。

深度提示（Cues for depth） 2D图像包含了多种深度感知的信息： 即使是静态的平面图片，我们也能从中感知到深度和三维空间，这得益于我们大脑的解读和一系列的视觉线索。

识别的方法（Approaches to recognition） 使用 CNN 物体识别 检测局部特征，忽略空间位置

均值滤波器：采用均值卷积核，其所有权重都相等，即将一个区域的像素计算平均值，然后将窗口中计算的平均值设置为锚点上的像素值。

傅立叶变换是一种将 signal 和 pattern 分解为一堆正弦曲线（Sinusoids）的方法 。

分类的基本架构 AlexNet 创新 ReLU（修正线性单元）激活函数 -- 训练更快 在 GPU 上训练 -- 并行化使训练更快（实际上当时需要2个GPU！）

Image recognition (图像识别) 什么是图像识别？ 图像识别 (Image recognition)：这里指的是对整个图像进行类别级别的识别。

成像 (Image formation) 漫反射 (Diffuse / Lambertian reflectance) 公式： $I_D(x) = I_LRN(x) \cdot L$ $I_D(x)$

* 边缘检测是大多数视觉处理系统的第一步 * 基于边缘的特征具有理想的视觉识别特性 * 压缩信息 * 不变（Invariant）或可容忍（Tolerant）图像中的无关

降采样（Downsampling） 卷积神经网络中的降采样（Downsampling） 通常对卷积层的输出进行降采样。 减少输出大小和后续层中所需的计算次数。