计算机视觉课程内容

计算机视觉课程内容

人脸识别

1、协方差矩阵

2、PCA（Principal component analysis 主元成份分析）

3、问题：哪个方向上投影后，variance（方差）最大？

4、PCA定义

●d-维空间

●投影方向

●投影值

●问题

—最大化

—求投影方向

5、PCA求解

最大化

典型的等式约束下的最优化问题，可以用Lagrange乘子法

设λ为Lagrange乘子则转为最大化

求微分，得必要条件：

6、结论

问题：怎么用低维度表示高维度的？为什么还要用低维度的？

低维度的每一个积都表示高维度（多个向量）的。最主要原因是降低噪音。

7、作业（处理照片）

8、识别与重构

9、分解成特征脸的线性组合

10、特征脸个数的选取

通常选取最大的k个特征值对应的特征向量。

11、重构Samples

12、Two modes for application

2017年12月20日

1、齐次坐标

2、A sum of sines

Image Stitching

1、Detect

2、Main Flow

3、Match SIFT Descriptors

4、Fitting the transformation

5、Skeleton Code

6、RANSAC Line Fitting Example

7、Camera parameters

8、What is Camera Calibration?

Compute relation between pixels and rays in space.

9、view Transformation

10、Calibration Problem

2017年12月27日

1、Image reprojection:mosaic

2、Homography

3、Calibration via Homography

4、OpenCV Func

5、How Many Chess Corners(pattern_size) for Calibration?

2018年1月3日

1、结构光-Structured lighting（考试重点）

一个结构光三维成像系统主要有三个部分组成：结构光投影仪（一台或多台），CCD相机（一台或多台）以及深度信息重建系统。

2、二进制编码举例

3、多个摄像机的情形-拼接问题

单个摄像机构造的结构光系统只能获取一个方向上的三维数据，如果想得到大于180度范围上的三位数据，就要采用多个（两个以上）投影仪-照相机组合。

4、多个摄像机：配准问题 Registration

如何解决配准问题？

迭代最近点方法（ICP Iterative Closest Point）

5、Laser scanning

2018年1月8日

1、最后一次作业提交的时间：2018年2月3日

2、形变

3、遮挡（occlusion）

4、The machine learning framework

y=f(x)

Output prediction function image feature

5、分类器（classifier）

6、Nearest Neighbor Classifier（最近邻的分类器）

7、噪音越严重，K就取得越大。

8、Cross validation

9、K-NN：issues to keep in mind

10、Many classifiers to choose from

11、Bias-Variance Trade-off

12、How to reduce variance?

1)Choose a simpler classifier

2)Regularize the parameters

3)Get more training data

13、A simple pipeline-Training

14、Image features

15、Object—Bag of ‘words’

16、模型的缺点