zoukankan      html  css  js  c++  java
  • Lecture 1: Introduction

    Lecture 1: Introduction

     1. 看图说话

     

                           图  1-1: 计算机视觉所需的背景知识

         Computer Vision 涉及到的学科比较多,如果想要在 Computer Vision 这块有所成就必须要有深厚的多学科理论基础。仅凭着计算机功底 + 机器学习功底是不行(何况,我什么功底都没有)。

                      图 1-2: stanford 大学深度学习课程

           Stanford CS331a 课程不对外开放,如果想学习 Stanford 课程可以考虑花钱买账号。

    CS 224n 课程视频可以在 bilibili 上找到。

                                 图 1-3: 图像认知理论的探索

         图 1-3 表明人们一直在尝试建立可以解释 Computer Vision 的模型

                  图 1-4: Computer Vision 领域所取得的成就

          如上图 1-4 所示,在林轩田老师的 《技法》课程中提到过用 adaboost 实现的工业化人脸识别

                  图 1-5: 图像分类的进步

        极力推荐阅读这篇 blog

    题外话:

    1. 这篇 blog 比较水~

  • 相关阅读:
    sort
    usaco-3.1-humble-pass
    usaco-3.1-inflate-pass
    usaco-3.1-agrinet-pass
    usaco-2.4-fracdec-pass
    usaco-2.4-comhome-pass
    usaco-2.4-cowtour-pass
    usaco-2.4-maze1-pass
    usaco-2.4-ttwo-pass
    usaco-2.3-concom-pass
  • 原文地址:https://www.cnblogs.com/tmortred/p/8510999.html
Copyright © 2011-2022 走看看