Stanford CS231n Lecture 1 计算机视觉历史回顾与课程大纲

本系列文章是斯坦福CS231n: Convolutional Neural Networks for Visual Recognition (winter 1516) 的听课笔记与课下补充资料。

计算机视觉历史回顾

这是一个视觉时代，目前（2016）有85%的网络信息是像素形式，它们难以被利用，李飞飞将它们称为“网络中的暗物质”。CS231n聚焦于神经网络这一模型和计算机视觉这一应用。

视觉大约在5.4亿年前出现，有人认为，视觉的出现导致并驱动了生物大爆发。

16世纪，达芬奇发明了照相暗盒，开始复制人们看到的信息。

1959年，Huber&Wiesel研究生物的大脑是如何处理视觉信息的。他们发现，大脑从简单的形状（例如，边缘）开始处理视觉信息。在视觉处理的第一步，基础视觉区的神经元按一列一列组织起来，每一列神经元只“喜欢”某一种特定的形状。

1963年，Larry Roberts认为是边缘决定了物体外形，他的博士论文Block World是现代CV先驱。

1966年，MIT的人工智能实验室成立，标志着CV的诞生。

20世纪70年代，David Marr提出了一个重要思想，“视觉是分层的”。这一思想被Deep Learning/CNN汲取。

20世纪90年代，进入彩色时代，问题转向“感知分组”（人看到世界时会在脑中自动分割出各物体，而不是觉得只是一堆像素），这一问题现在仍未彻底解决。

进入21世纪，问题焦点从3D建模变迁到识别问题。出现了第一个商用的CV算法（实时人脸检测），它的特征学习过程有很强的深度学习特质。此后又出现了SIFT, Deformable Part Model等。后来又出现了ImageNet和神经网络的复兴。

CS231n 课程大纲

CS321n聚焦于视觉识别中的一个重要问题，图像分类。视觉识别中有很多问题与图像分类相关，比如物体检测、图像说明。

CNN是物体识别的重要工具。2012年之前的ILSVRC冠军模型采用的是“特征+SVM”，没有端到端学习的风格特色。2012年，Hinton和他的学生引领了神经网络的复兴。到2015年的MSRA，采用的仍是CNN。

AlexNet的成功离不开大量数据和高性能GPU，AlexNet只在1998年LeNet上做了很少改动。

视觉识别远不止物体识别，还包括很多内容，比如对全场景中的物体都打上标签、深入理解一幅图像……