---

前言

本文为8月17日计算机视觉理论学习笔记，分为四个章节：

• 概述；
• 研究中的挑战；
• 主要研究问题；
• 测试 TensorFlow。

---

一、概述

---

二、研究挑战

• 视角变化；
• 光照变化；
• 尺度变化；
• 形态变化；
• 背景混淆干扰；
• 遮挡；
• 类内物体的外观差异；

---

三、主要研究问题

1、图像预处理

• 点运算；
• 形态学处理；
• 空间域处理：卷积；
• 频率域处理：傅里叶变换、小波变换。

2、图像特征及描述

• 颜色特征；
• 几何特征；
• 基于关键点的特征描述子；
• 其他特征提取；

3、深度学习之前的方法

• 图像分割；
• 人脸检测；
• 行人检测。

4、神经网络与深度学习基础

• 神经网络；
• 深度学习。

5、识别 ⇒ 内容是什么

• 人脸；
• 字符；
• 车牌；
• 行为。

6、视觉 & 语言

• 图片描述（Captioning）；
• 图片回答（Question Answering）。

7、图片生成

• 样本分布学习；
• 超分辨率；
• 以图升文；
• 语义分割。

---

四、测试 TensorFlow

# 创建 2个矩阵，前者1行2列，后者2行1列，然后矩阵相乘
matrix1 = tf.constant([[3, 3]])
matrix1_1 = tf.constant([3, 3])
matrix2 = tf.constant([[2], [2]])

print(matrix1)
print(matrix1_1)
print(matrix2)

>>> tf.Tensor([[3 3]], shape=(1, 2), dtype=int32)
	tf.Tensor([3 3], shape=(2,), dtype=int32)
	tf.Tensor(
	[[2]
	 [2]], shape=(2, 1), dtype=int32)

# 矩阵相乘
result = tf.matmul(matrix1, matrix2)
print(result)

>>> tf.Tensor([[12]], shape=(1, 1), dtype=int32)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

---