翻译 | 黄伟聪、chesc

校对 | 酱番梨 整理 | 菠萝妹

原文链接：

最近，我已经阅读了很多与计算机视觉相关的资料并做了大量实验，这里介绍了在该领域学习和使用过程中有意思的内容。

自动驾驶的图像分割

近年来，计算机视觉取得了很大进展。这些是我将在这里提到的主题：

技术：

人脸检测：Haar，HOG，MTCNN，Mobilenet

人脸识别：CNN，Facenet

目标识别：alexnet，inceptionnet，resnet

迁移学习：在一个新场景上用很少的资源重新训练大型神经网络

图像分割：rcnn

生成式对抗网络

计算机视觉所需硬件：选择什么，关键是GPU

集成视觉的UI应用程序：ownphotos

应用：

个人图片整理

自动驾驶汽车

自动无人机

验证码识别/OCR

过滤网站/应用程序上的图片

自动标记应用程序的图片

从视频（电视节目，电影）中提取信息

视觉问答

艺术

关注的人：

重要的深度学习创始人：andrew ng，yann lecun，bengio yoshua，hinton joffrey

adam geitgey 主页 有很多计算机视觉方面的有趣文章，比如 链接 有完整的人脸检测/对齐/识别流程

课程：

coursera 网站里的 deep learning 课程

coursera 网站里的 machine learning 课程

相关领域：

深度强化学习：把包含CNN的PPO和DPN看作输入层

与自然语言处理的交互：lstm 2 cnn

人脸检测

人脸检测是在脸部周围标记方框

人脸检测是检测脸部的任务。有好几种算法可以做到这一点。

提供了这些方法在速度上的基准，并且易于重用实现代码。

Haar分类器

这些是自2000年以来在opencv中出现的旧的计算机视觉方法。在这篇论文： 中做了介绍。

这是一种机器学习模型，专门用于目标检测的特征提取。Haar分类器速度快但准确度低。

请参阅： 中有关于如何使用它的更详细解释和示例。

HOG：方向梯度直方图

HOG是一种用于目标检测的提取特征的新方法：它自2005年开始使用。该方法基于计算图像像素的梯度。然后将这些特征馈送到机器学习算法，例如SVM。这种方法具有比Haar分类器更好的精度。

这种方法的实现在dlib中，就是在face_recognition ( ) lib中。

MTCNN

一种使用CNNs的变量来检测图像的新方法。精度更高但速度稍慢。请参阅：

MobileNet

目前用于人脸检测的最好和最快的方法，基于通用的mobile net架构。请参阅：

目标检测

目标检测可以使用与人脸检测类似的方法来实现

这里有2篇文章介绍了实现它的最新方法。这些方法有时甚至也提供了目标的类别（实现目标识别）：

r-fcn

a comparison of r-cnn, fast r-cnn, faster r-cnn and yolo

卷积神经网络

最近深度学习的迅速发展，可以看到许多新架构取得了很大成功。
使用许多卷积层的神经网络就是其中之一。一个卷积层利用图像的2D结构在神经网络的下一层中生成有用信息。
有关什么是卷积的详细说明，请参阅：

目标识别

目标识别是将物体分类为特定类别（如猫，狗，......）的一般性问题。

基于卷积的深度神经网络在目标识别任务上取得了很好的效果。
ILSVR会议一直在ImageNet（ 一个有许多图片的数据集，包括猫，狗等物品标签）上举办竞赛。

越成功的神经网络使用的层数会越来越多。

ResNet架构是迄今为止对目标进行分类的最好网络架构。

要正确地训练ResNet，需要使用数百万张图像，并且即使使用数十个昂贵的GPU，也需要花费大量时间。

为了避免每次都要在这些大数据集上进行重新训练，找到一些其他代替方法是十分重要的，而迁移学习和嵌入embeddings就是这样的方法。

有关resnet的预训练模型，请访问： #image-classification

人脸识别

人脸识别就是要弄清楚谁是一张脸。

历史方法

解决该任务的历史方法是将特征工程应用于标准机器学习（例如svm），或把深度学习方法应用于目标识别。

这些方法的问题是它们需要每个人的大量数据。实际上，数据并不总是可以得到的。

Facenet

谷歌研究人员在2015年推出了Facenet 它提出了一种识别人脸的方法，而不需要为每个人提供大量的人脸样本。

这种方法是通过拍摄大量脸部的图片数据集（例如 ）来有效工作的。

然后采用现有的计算机视觉架构，例如inception（或resnet），再用计算脸部的嵌入层替换目标识别神经网络的最后一层。