2024朋友圈爆款背后的计算机视觉技术与应用

朋友圈爆款背后的计算机视觉技术与应用可以使模仿视觉任务自动化。计算机视觉包含以下一些分支：物体识别（InstanceSegmentation，Question&Answering），动作识别（ActionRecognition）等。（cognton），根据器是通过RGB-alpha去理解这个世界上颜色的。这里RGB就是红绿蓝三原色。一般说的32rgb248alphachanel，代表一个像素是不是透RBGalpha透明通道。最后一张是真彩图，它有alpha通道，一共有32位。分子细胞图，为了能够处理它们采用了各种filter。为了更好的理解计算机视觉处理，进行了一个划分：lowlevel,midlevel,highlevel。lowlevelmidlevel分割、对象检测，验证，语义分割等。Highlevellowlevel下图左边是胸部的X光图。左上原图中很难看清楚骨骼血管；左下是经过强化的，图中的右图是midlevel小鸭子，称为目标识别（objectdetection）。目标识别就是把这个图片上所有的对象都识若要精确到像素，就要作对象划分（instancesegmentation）。NLPHighLevelHighLevelhighlevel点（featurepoints），然后跟数据库里已经处理好的特征去匹配，从而识别谁是谁。因为中间是一个情景识别（sceneunderstanding）。图上有两个小孩在打球，他们方向不同，包括他的穿着和所持的物品。然后我们还要推测它的意图什么，比如说playball、walk。3D3D是很老的一种文本识别方式。现在由于整个OCR的技术相当成熟，基本上是大家提供一个目标跟踪是非常有潜力，非常有挑战、有前景的一个话题。以下图NBA视频为例，追踪球nlpSIFTHOGSVMAdaBoost、Bayesian等；分割和目标检测方法包括分水岭、水平集、主观模型等。Harr角对角线的方式是进一步优化的harr方法，可以表示45度方向的灰度变化。另外一种跟灰度有关的特征方法叫做方向梯度直方图（OG）。下图中人和的背景正好有那神经网络和SVM、逻辑回归有什么关系？其实逻辑回归和SVM是一种特殊的单层神经个神经网络。hiddenlayer在进行处理时要区分不同的变量，不同变量针对不同方面的问题。最后通过outputlayer汇总。outputlayer，·CV（convolutionallayer）。在传统机器学习，我们要做特征提取（featuredesign），cnn要特征合并再传递下去，这样可以减少数据的运算量。最后一层叫做全连接层（fullconnectionlayer），它的作用就是把之前所有数据的进行聚合，产生结果。实际使用中会不断进化出新的架构，比如下图的fasterr-cnn，做了很多的优化，其中最重要的优化是RPN（regionproposalnetwork）的加入。由于原始cnn是在图像上做全量CNNFaster-RCNN\hL3，慢3d3D之间的相对位置。通过一系列的计算，就把单目图变成一个3D图。基本上实现了激光雷达的效果。OFT在目前所有提出来的单目转成3D图方法中效果最好。脸和声，身份证识别，还有各种基于