視覺是人類在(不斷)變化的環境中行動(和交互)的主要感官之一，而成像是我們以適合計算處理的形式記錄視覺信息的手段。成像和計算機視覺在從先進顯微鏡技術到自動駕駛汽車的各種智能系統中共同發揮著重要作用。計算機視覺和成像課程將重點關注基本計算原理，這些原理使通過多種成像技術之一獲取的一系列圖像元素能夠轉換為理解圖像內容和完成各種感知任務所需的結構和語義實體。我們將研究圖像形成、低級圖像處理、對象識別、分類、分割、配準、立體視覺、運動分析、跟蹤和主動視覺。講座將伴隨一系列練習，這些計算模型將在現實場景中設計、實現和測試。

一、課程預習成果

在本模塊結束時，學生應該能夠：

a.了解主要的計算機視覺和成像方法以及計算模型

b.設計、實現和測試計算機視覺和成像算法

c.了解如何綜合成像和視覺技術的組合來解決現實世界的問題

d.學生應表現出獨立學習、理解和批判性評估本模塊所涵蓋主題領域的先進材料或研究文章的能力。

二、增進計算機視覺的了解

1.什么是計算機視覺?

計算機視覺是人工智能(AI)的一個領域，它允許計算機和系統從數字圖像、視頻和其他視覺數據中提取有意義的信息，并根據這些信息采取行動或提出建議。如果說人工智能讓計算機能夠思考，那么計算機視覺則讓計算機能夠觀察、觀察和理解。

計算機視覺的工作方式與人類視覺相同，只是人類更具優勢。人類視覺的優勢在于終生訓練如何分辨物體、物體的距離、物體是否移動以及圖像是否有問題。

計算機視覺可以訓練機器執行這些功能，但它必須在更短的時間內利用攝像頭、數據和算法，而不是視網膜、視神經和視覺皮層。由于經過訓練的系統可以在每分鐘內分析數千種產品或流程，發現難以察覺的缺陷或問題，從而迅速超越人類的能力。

2.計算機視覺如何工作?

計算機視覺需要大量數據。它反復分析數據，直到識別出差異并最終識別圖像。例如，要訓練計算機識別汽車輪胎，就需要給計算機提供大量輪胎和相關物品的圖像，讓它學會區別并識別輪胎，尤其是沒有缺陷的輪胎。

為此，需要使用兩種主要技術：一種是稱為深度學習的機器學習，另一種是卷積神經網絡(CNN)。

機器學習使用算法模型，使計算機能夠自我學習視覺數據的上下文。如果通過模型輸入足夠多的數據，計算機就會 "觀察 "這些數據，并學會區分不同的圖像。算法可以讓機器自主學習，而不是由人編程來識別圖像。

CNN 通過將圖像分離成像素來幫助機器學習或深度學習模型進行 "搜索"，這些像素被分配了標簽或標記。它使用這些標簽進行卷積(對兩個特征進行數學運算以產生第三個特征)，并對它 "看到 "的內容進行預測。神經網絡執行卷積，并在一系列迭代中檢查其預測的準確性，直到預測開始成真。然后，它就能以類似人類的方式識別或看到圖像。

就像人類從遠處辨別圖像一樣，CNN 首先識別硬邊緣和簡單形狀，然后在執行迭代預測時填充信息。CNN 用于理解單個圖像。遞歸神經網絡 (RNN) 也同樣用于視頻應用，幫助計算機理解幀序列中圖像之間的關系。

海馬課堂專業課程輔導，2300+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。