计算机视觉笔记：第一章 图像分类-CSDN博客

计算机视觉笔记 第二章 图像语义分割-CSDN博客

计算机视觉笔记 第三章：目标检测-CSDN博客

计算机视觉 第四章：图像识别、目标跟踪-CSDN博客

计算机视觉 第五章 多目视觉（立体视觉）-CSDN博客

通过两个或多个相机采集目标图像，然后基于同一特征点对应像素间的差异来重建三维信息。

多目视觉可以避免部件被遮挡和照明变化对定位的影响。

图像配准：

将同一个场景的不同图像转换到同样的坐标系统中的过程，这些图像可以来自不同时间，不同视角，不同传感器……

根据图像的采集方式，其应用可以分为：多视图分析，多时间分析，多模态分析……

其主要目的是检测输入图像与参考图像之间隐藏的关系

传统的基于特征的图像匹配：

 1. 关键点检测和特征描述2. 特征匹配3. 图像变换

双目图像融合：

1.从对称摄像头获取帧2.视差图计算3.背景对象的消除

4.预选感兴趣区域5.掩码的应用和检测过程

多目视觉系统可看作是多个双目系统的组合

第九章 视觉问答

一个高度整合的、具有复杂功能的视觉项目。其中需要包含物体识别，场景分类，数量统计等多个功能。

1联合嵌入方法：

在实际应用中，通常利用：卷积神经网络对目标识别进行预处理，从而获得图像表 征；文本表示是通过在大型文本语料库上预先训练的词嵌入（将词汇映射到实数向量）来获得的。

2组合模型的实现方法：

将不同模块连接组成视觉问答，每个模块实现特定的功能

3注意力方法：

只关注与问题相关的区域信息。注意力过程在推理过程中执行一个明确的附加步骤，该步骤在执行进一步计算之前确定“从哪里看”。

4知识增强方法：

之前的VQA存在的问题：只能获取训练集中的知识，而无论怎样扩大数据集，也无法完全覆盖现实世界；在这种方法中训练的神经网络能力有限，我们希望学习的信息 量远远超过了这种能力。例如：回答“图中有多少哺乳动物”之前，系统要先知道那些是哺乳动物。

学习一些存储常识和事实的知识库