计算机视觉【awesome-computer-vision】

 金诚   2018-09-28 14:21   361 人阅读  1 条评论

什么是计算机视觉?

文章目录

      计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息,就像人类和许多其他类生物每天所做的那样。
       计算机视觉是一门关于如何运用照相机和计算机来获取我们所需的,被拍摄对象的数据与信息的学问。形象地说,就是给计算机安装上眼睛(照相机)和大脑(算法),让计算机能够感知环境。我们中国人的成语"眼见为实"和西方人常说的"One picture is worth ten thousand words"表达了视觉对人类的重要性。不难想象,具有视觉的机器的应用前景能有多么地宽广。
       计算机视觉既是工程领域,也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科,它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理物理学、应用数学和统计学,神经生理学和认知科学等。
——百度百科如是说

如果对深度学习方面的视觉识别感兴趣,可以参考笔者另外一篇文章《令人敬畏的深度视觉》

图书

计算机视觉

OpenCV编程

机器学习

基本面

培训班

计算机视觉

计算摄影

机器学习和统计学习

优化

文件

网上的会议论文

调查论文

教程和讲座

计算机视觉

最近的会议谈判

3D计算机视觉

互联网愿景

计算摄影

学习和愿景

物体识别

图形模型

机器学习

优化

深度学习

软件

外部资源链接

通用计算机视觉库

多视图计算机视觉

特征检测和提取

  • VLFeat
    • David G. Lowe,“尺度不变关键点的独特图像特征”,国际计算机视觉杂志,60,2(2004),第91-110页。
  • SIFT ++
  • 轻快
    • Stefan Leutenegger,Margarita Chli和Roland Siegwart,“BRISK:Binary Robust Invariant Scalable Keypoints”,ICCV 2011
  • 冲浪
    • Herbert Bay,Andreas Ess,Tinne Tuytelaars,Luc Van Gool,“SURF:加速强大功能”,计算机视觉和图像理解(CVIU),Vol。110,第3期,第346-359页,2008年
  • 怪物
    • A. Alahi,R。Ortiz和P. Vandergheynst,“FREAK:Fast Retina Keypoint”,CVPR 2012
  • AKAZE
    • Pablo F. Alcantarilla,Adrien Bartoli和Andrew J. Davison,“KAZE Features”,ECCV 2012
  • 本地二进制模式

高动态范围成像

语义分割

低级别愿景

立体视觉
光流
图像去噪

BM3D,KSVD,

超分辨率
  • 多帧图像超分辨率
    • 拾取,LC机器学习多帧图像超分辨率,博士论文2008
  • 用于超分辨率的马尔可夫随机场
    • W. T Freeman和C. Liu。用于超分辨率和纹理合成的马尔可夫随机场。在A. Blake,P。Kohli和C. Rother编辑,“马尔科夫视觉和图像处理随机场的进展”,第10章。麻省理工学院出版社,2011年
  • 稀疏回归和自然图像先验
    • KI Kim和Y. Kwon,“使用稀疏回归和自然图像先验的单图像超分辨率”,IEEE Trans。模式分析和机器智能,第一卷。32,不。6,pp.1127-1133,2010。
  • 通过统计模型的单图像超分辨率
    • T. Peleg和M. Elad,基于稀疏表示的单图像超分辨率的统计预测模型,IEEE Transactions on Image Processing,Vol。2014年6月23日第6期,第2569-2582页
  • 用于超分辨率的稀疏编码
    • R. Zeyde,M。Elad和M. Protter使用稀疏表示,曲线和曲面进行单幅图像放大,阿维尼翁 - 法国,2010年6月24 - 30日(也出现在讲座 - 计算机科学笔记中 - LNCS)。
  • 补丁稀疏恢复
    • 杨建超,约翰赖特,黄托马斯和伊玛。通过稀疏表示的图像超分辨率。IEEE图像处理交易(TIP),第一卷。19,第11期,2010年。
  • 邻居嵌入
    • H. Chang,DY Yeung,Y。Xiong。通过邻居嵌入的超分辨率。2004年6月27日至7月2日在美国华盛顿特区举行的IEEE计算机协会计算机视觉和模式识别会议(CVPR),第1卷,第275-282页。
  • 可变形的补丁
    • Yu Zhu,Yanning Zhang和Alan Yuille,使用可变形补丁的单图像超分辨率,CVPR 2014
  • SRCNN
    • Chao Dong,Chen改Loy,何开明,Xiaoou Tang,在ECCV 2014学习深度卷积网络进行图像超分辨率
  • A +:调整后的锚定邻域回归
    • R. Timofte,V。De Smet和L. Van Gool。A +:调整的锚定邻域回归,用于快速超分辨率,ACCV 2014
  • 转化自我范例
    • Jia-Bin Huang,Abhishek Singh和Narendra Ahuja,使用转换自我范例的单图像超分辨率,IEEE计算机视觉和模式识别会议,2015
图像去模糊

非盲去卷积

盲目反卷积

非均匀的去模糊

图像完成
图像重定向
Alpha Matting
图像金字塔
边缘保留图像处理

内在图像

轮廓检测和图像分割

交互式图像分割

视频分段

相机校准

同步定位和映射

SLAM社区:
跟踪/里程计:
图优化:
循环闭合:
本地化和制图:

单视图空间理解

物体检测

最近邻搜索

通用最近邻搜索
最近邻域估计

视觉跟踪

显着性检测

属性

行动重审

以自我为中心的相机

人在环系统

图像标题

优化

  • Ceres Solver - 非线性最小二乘问题和无约束优化求解器
  • NLopt - 非线性最小二乘问题和无约束优化求解器
  • OpenGM - 基于因子图的离散优化和推理求解器
  • GTSAM - 基于因子图的租赁平方优化求解器

深度学习

机器学习

数据集

外部数据集链接集合

低级别愿景

立体视觉
光流
视频对象分割
变更检测
图像超级分辨率

内在图像

材料识别

多视图重建

显着性检测

视觉跟踪

视觉监控

显着性检测

改变检测

视觉识别

图像分类
场景识别
物体检测
语义标注
多视图对象检测
细粒度的视觉识别
行人检测

行动认可

基于图像的
基于视频
图像去模糊

图像标题

场景理解

SUN RGB-D - 了解基准套件的RGB-D场景

NYU深度v2 - RGBD图像的室内分割和支持推断

航拍图像

航空图像分割 - 从在线地图学习航空图像分割

学生资源

资源链接集合

写作

介绍

研究

时间管理

博客

链接

歌曲

 

本文地址:http://www.yangchaofan.cn/archives/998
版权声明:本文为原创文章,版权归 金诚 所有,欢迎分享本文,转载请保留出处!

1
说点什么

avatar
1 Comment threads
0 Thread replies
0 Followers
 
Most reacted comment
Hottest comment thread
0 Comment authors
Recent comment authors
  Subscribe  
最新 最旧 得票最多
提醒
trackback

[…] 对视觉识别感兴趣的,可以参考笔者翻译的另一篇文章《计算机视觉》 […]