还不是知道CV？这篇文章带你入门CV（计算机视觉）

古城微笑少年丶 2023-07-17 02:44 39阅读 0赞

## 前言 ##

本篇文章不讲解任何算法，只是针对CV的发展历程和当前应用算法进行简单介绍，希望不了解的或者想从事计算机视觉研究的小白们有个大概的认识

### 文章目录 ###

*   *  前言
     *  CV四大任务
     *  传统目标检测方法
     *  发展历程
     *  算法分类
     *  常用关键术语

## CV四大任务 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70]

*  分类，也就是解释图片上的物体是什么
 *  定位，图片上物体的位置在哪里
 *  检测，就是对图片上的物体进行定位和分类
 *  分割，精确到像素点进行分类，与我们所说的抠图类似。

一句话来讲，CV的任务就是分析图中有哪些物体，这些物体的位置是什么。基于这个基础，我们可以做很多事情，比如批量ps，或者人流量估计等等。

## 传统目标检测方法 ##

1.  确定滑动窗口
2.  利用互动窗口提取出候选区域
3.  对候选区域进行特征提取
4.  使用分类器(实现已经训练好)进行分类，判断候选区域是否包含有效目标
5.  对有所包含有效目标的候选区域进行合并
6.  作图，绘制出检测目标轮廓框

我做个了动态图来解释这个方法（做的不好多包涵）  
![在这里插入图片描述][20200319093518328.gif]  
就是这样窗口的不断平移，下移，对红色窗口里的图像进行特征提取，判断是否包含有效区域。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70 1]  
最终，经过红色窗口的不断移动，整张图遍历完毕，共有三处包含有效区域，最后将这三个有效区域进行合并，即为目标轮廓框。这种办法需要提前人工去裁定窗口大小，并且穷举遍历很消耗时间。

## 发展历程 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70 2]  
在2012年前，使用的都还是传统的目标检测算法，直到Alexnet算法的出现，目标检测分为两大阵营，分别是单阶段和多阶段。

单阶段：  
直接提取特征来预测物体类别  
所经历的步骤：特征提取->分类/回归  
常见算法：YOLOv1、v2、v3、SSD、RetinaNet等

双阶段：  
先进行目标区域(Region Proposal)的生成，再通过卷积神经网络进行分类  
步骤：特征提取->生成PR->分类/回归  
常见代表:R-CNN、Spp-Net、Fast R-CNN、Faster-RCNN等

## 算法分类 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70 3]  
此图是通过xmind软件绘制的，如果有需要原文件的，请下方留言。

## 常用关键术语 ##

*  bbox(Bounding box)：给出物体在图片中的定位区域，形状为长方形，给出左上角和右下角坐标。
 *  loU(intersection of Union)：区域交叉程度，两个bbox的重叠程度，公式为 （A交B）/（A并B），用于评价预测结果和正是结果的差别，范围是0-1.
 *  mAP（mean average precision）：当预测的包围盒和真是包围盒的交并比大于某一阈值时，则认为该预测正确。对于每个类别，我么能画出它的查准率-查全率曲线，平均准确率时曲线下方的面积，，之后再对所有类别的平均准确度求平均。
 *  Regional Proposal :候选区域，指去突出所有可能包含识别目标的哪些候选区域，想读与传统的滑动窗口而言，数量上回更少，质量更高。
 *  NMS(Non-maximum Suppression即非极大值抑制)，时图像处理中用于消除多余的框，找到最佳物体检测位置的一个算法。
 *  Anchor Box(候选框)：从原始或卷积后的图片中提取出来，然后用来判断是否存在要识别的目标的小的图片块。
 *  Selective Search(选择性搜索)：利用颜色、纹理、尺寸、空间交叉来生成候选区域的算法，相较于传统的滑动窗口算法，Selective Search避免了穷举所产生的海量候选区域及其造成的低效。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70]: /images/20230528/270461a09eaa426eb03602ea1346e121.png
[20200319093518328.gif]: /images/20230528/a3888a8f728544399cd963162014f564.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70 1]: /images/20230528/db672f6d739448eb94823e325a7b6fda.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70 2]: /images/20230528/f2618d390e2344fc8c7dafc9e65875d8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70 3]: /images/20230528/78e1c98d3f954d7b9454e3d3ebb8db66.png