计算机视觉和机器学习 - 我所想知道的一切

学习北邮鲁鹏老师的计算机视觉计算机视觉课程的笔记小结

计算机视觉

在计算机视觉中，主要的任务有

• 图像处理(像素级别)。噪声处理，形态学处理，轮廓处理。
• 特征工程。像素级别的几何特征：haar角点。统计特征：HOG，sift。
• 图像分割。算法：mean-shift，最小割。
• 图像分类。场景分类。算法：svm/决策树/xgboost
• 图像检测。人脸检测（HAAR）、行人检测(HOG)。
• 图像识别。人脸识别，车牌识别。

一边来说，对于一个工程任务，比如车牌检测，要分层pipeline处理。

1. 找到ROI感兴趣的区域。分析ROI的几何、形态、色彩特征，进行图像处理。
2. 特征提取。
3. 有监督训练分类器，降低错误率。根据向量特征及其label 训练图像分类器svm。
4. OCR识别。

SLAM

SLAM方面的话，pipline 是

• 收集两个视角的图像。
• 图像特征提取。sift特征或orb特征。
• 点匹配。暴力或flann算法匹配。
• 计算相机位姿计算和特征点3D坐标。算法：归一化八点法(数值稳定)。
• 收集第三个视角的图像。
• PnP计算相机位姿。PnP是已知3D坐标，不同于八点法。

机器学习

姚青林python机器学习

kaggle中大部分使用的最优分类算法还是 xgboost，gbdt集成决策树的一种。