计算机视觉应用基础

课程介绍：

计算机视觉是当下人工智能产业落地最广泛的领域，深度学习已成为其大多数细分方向研究的标配方法。这也导致了相当一部分计算机视觉的入门者，一上来就只关注深度学习及相应的开源代码，但他们终究会发现自己对于进一步创新步履维艰，究其原因在于基础不扎实甚至空缺。

一个领域的研究总会有发展脉络，不断在前人成果的基础上创新，而那些被称之为经典的方法就是整个脉络中关键的节点，值得渴望深入研希口创新的人熟悉。因此，我们溯本清源，推出了这门课程，为大家细致讲解图像分割、目标跟踪、目标检测三大主流方向的经典方法。

不要因为走得太远，忘了我们为什么出发。掌握经典方法的思想精髓，才能融会贯通。

〖课程目录〗:

• | └──2、计算机视觉应用基础
• | | ├──第10章 检测识别：一般目标检测识别之特征
• | | | ├──第1节 目标检测识别一般流程
• | | | ├──第2节 特征检测简介
• | | | ├──第3节 边缘检测与角点检测
• | | | └──第4节 SIFT特征简介
• | | ├──第11章 检测识别：一般目标检测识别之分类器
• | | | ├──第1节 线性回归
• | | | ├──第2节 支持向量机
• | | | └──第3节 Adaboost
• | | ├──第12章 检测识别：基于模型拟合的目标检测
• | | | ├──第1节 前言
• | | | ├──第2节 霍夫变换与直线检测
• | | | ├──第3节 RANSAC与直线检测
• | | | └──任务61：【作业】第十二章.png 54.76kb
• | | ├──第1节：课程介绍
• | | | ├──任务2：【视频】计算机视觉应用基础课程介绍【www.ko996.com】.mp4 29.44M
• | | | └──任务3：【视频】计算机视觉概述【www.ko996.com】.mp4 83.02M
• | | ├──第1章：图像分割：基于统计模型的图像分割
• | | | ├──第1节：图像分割简要叙述
• | | | ├──第2节：基于统计的图像分割
• | | | └──第3节：作业
• | | ├──第2章：图像分割：基于主动轮廓的图像分割
• | | | ├──第1节：基于主动轮廓的图像分割
• | | | ├──第2节：Snake算法实现
• | | | ├──第3节：GVFSnake算法
• | | | ├──第4节：代码及作业
• | | | └──第5节：补充材料
• | | ├──第3章：图像分割：基于水平集的图像分割
• | | | ├──第1节：CV图像分割模型
• | | | ├──第2节：CV分割模型的改进
• | | | ├──第3节：水平集分割模型代码分析
• | | | └──第4节：作业实践
• | | ├──第4章：图像分割：交互式图像分割
• | | | ├──第1节：交互式图像分割简介
• | | | ├──第2节：Graph Cuts（图割）方法以及改进
• | | | ├──第3节：基于标签学习的交互式分割
• | | | └──第4节：作业框架讲解
• | | ├──第5章：图像分割：基于模型的运动分割
• | | | ├──第1节：运动目标检测简介
• | | | ├──第2节：混合高斯背景建模
• | | | └──第3节：作业
• | | ├──第6章：目标跟踪：基于光流的点目标跟踪
• | | | ├──第1节：目标跟踪简介
• | | | ├──第2节：光流以及基于光流的跟踪
• | | | ├──第3节：基于光流目标跟踪的代码分析
• | | | └──第4：实践作业
• | | ├──第7章：目标跟踪：基于均值漂移的块目标跟踪
• | | | ├──第1节：均值漂移算法提出原因
• | | | ├──第2节：核密度估计
• | | | ├──第3节：基于均值漂移的目标跟踪算法
• | | | ├──第4节：基于均值漂移目标跟踪算法的代码分析
• | | | └──第5节：作业
• | | ├──第8章：目标跟踪：基于粒子滤波的目标跟踪
• | | | ├──第1节：自顶向下的跟踪基础
• | | | ├──第2节：蒙特卡洛模拟
• | | | ├──第3节：基于粒子滤波的目标跟踪算法
• | | | └──第4节：作业
• | | └──第9章：目标跟踪：基于核相关滤波的目标跟踪
• | | | ├──第1节：相关滤波
• | | | ├──第2节：MOSSE
• | | | ├──第3节：跟踪方法总结与展望
• | | | └──第4节：作业

yeyudao普通

收藏 海报 链接