那么，让我们理解一下机器如何去看（像人眼一样）？ A. 用数字表示颜色：在打算机科学中，每种颜色都由指定的十六进制值来表示。
机器通过这种编码办法，来理解图像像素是由什么颜色组成的。
而作为人类，我们天生就拥有基因来区分不同色调。

B. 图像分割：使打算机识别出相似的颜色组，然后分割图像，即将前景与背景区分开。
颜色渐变技能被用来查找不同工具的边缘。

C. 查找角点：分割后，查找图像中的某些特色，也称为角点（corners）。
简而言之，算法会搜索以一定角度相交的线，并以一种颜色的阴影覆盖图像的特定部分。
角点（也称为特色）构建基块，可帮助查找图像中包含的更详细信息。

D. 查找纹理：确定图像中的纹理是精确识别图像的另一个主要成分。
两个工具之间的纹理差异使机器精确地对工具进行更随意马虎地分类。

E. 做出预测：实行上述步骤后，机器须要做出靠近精确值的预测或者推断，并将图像与数据库中存在的图像进行匹配。

F. 末了，看大图！
末了，一台机器会看到更大、更清晰的画面，并根据所供应的算法指令检讨是否精确地识别了该画面。
在过去的几年中，准确性得到了很大的提高，但是当机器被哀求处理带有稠浊物体的图像时，机器仍旧会犯缺点。

拥有打算机视觉研究小组的大学：美国大学

卡内基梅隆大学机器人学院 加州大学洛杉矶分校 北卡罗来纳大学教堂山分校 华盛顿大学 加州大学伯克利分校 斯坦福大学 麻省理工学院 康奈尔大学 宾夕法尼亚大学 加州大学尔湾分校 哥伦比亚大学 伊利诺伊大学喷鼻香槟分校 南加州大学 密西根大学 普林斯顿大学 罗切斯特大学 德克萨斯大学奥斯汀分校 马里兰大学学院公园 布朗大学 中心佛罗里达大学 纽约大学 密西根州立大学 麻省大学，阿默斯特 西北大学 加州大学圣地亚哥分校

加拿大的大学：

艾伯塔大学 多伦多大学 不列颠哥伦比亚大学 西蒙弗雷泽大学

欧洲大学：

INRIA法国 牛津大学 苏黎世联邦理工学院 德国马克斯·普朗克研究所 爱丁堡大学 萨里大学 弗莱堡大学 瑞典KTH 德累斯顿大学 达姆施塔特工业大学 瑞士EPFL 鲁汶大学 巴塞罗那打算机视觉中央 瑞士IDIAP 伦敦帝国理工学院 海德堡国际机场 曼彻斯特大学 波恩大学 亚琛工业大学 阿姆斯特丹大学 慕尼黑工业大学 捷克技能大学 剑桥大学 格拉茨 IST奥地利 伦敦玛丽皇后大学 苏黎世大学 代尔夫特大学 利兹大学 伯尔尼大学 隆德大学 意大利特伦托大学 意大利佛罗伦萨大学 斯图加特大学 萨尔大学 巴黎中心学校 巴黎理工学院 奥卢大学 卡尔斯鲁厄理工学院

如果你是打算机视觉领域的新手，可以不才面找到一系列初学者须要理解的根本知识点。

A.初学者水平 数学：

线性代数 https://www.khanacademy.org/math/linear-algebra奇异值分解 https://www.youtube.com/watch?v=sJV0QyHoRio入门级模式识别 https://ocw.mit.edu/courses/media-arts-and-sciences/mas-622j-pattern-recognition-and-analysis-fall-2006/主身分剖析 https://www.youtube.com/watch?v=H0HjNuNvFVI卡尔曼滤波 https://www.youtube.com/watch?v=d0D3VwBh5UQ傅里叶变换 https://www.youtube.com/watch?v=hVOA8VtKLgk&list=PLuh62Q4Sv7BUSzx5Jr8Wrxxn-U10qG1et&index=1小波 https://www.youtube.com/watch?v=4fQAlD5wZKA

图像处理：

杜克大学在Coursera上供应的在线课程 https://www.coursera.org/learn/image-processing冈萨雷斯和伍兹的数字图像处理 http://www.imageprocessingplace.com/

B.高等水平

线性判别剖析 https://www.youtube.com/watch?v=aSyQqHY4Vqc概率，贝叶斯规则，最大似然，MAP https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-041-probabilistic-systems-analysis-and-applied-probability-fall-2010/稠浊物和期望最大化算法 https://www.youtube.com/watch?v=Q1oqJSgp_Dk入门级统计学习 https://www.coursera.org/specializations/statistics支持向量机 https://www.youtube.com/watch?v=_PwhiWxHK8o遗传算法 https://www.youtube.com/watch?v=kHyNqSnzP8Y隐马尔可夫模型 https://www.youtube.com/watch?v=D_RIe5bd3hk贝叶斯网络 https://www.coursera.org/learn/probabilistic-graphical-models

要得到有关理论和技能（尤其是算法）的实践知识，请从打算机视觉的角度开始学习OpenCV：

学习OpenCV：利用OpenCV库的打算机视觉（https://www.amazon.com/Learning-OpenCV-Computer-Vision-Library/dp/0596516134）Tombone的打算机视觉博客（http://www.computervisionblog.com/）

提示：利用C，C ++，Python进行编程时，我们利用OpenCV库进行打算机视觉的干系实践任务。
在MATLAB中进行编程时，我们利用打算机视觉系统工具箱（https://in.mathworks.com/products/computer-vision.html?s_tid=gn_loc_drop） 。
同样，如果你利用其他措辞编程，则还须要更多的开源库。

你还该当理解领域中科学研究的关键事情，在这里你可以从中学习它们：

SIFT：通用视觉的经典描述符 https://www.cs.ubc.ca/~lowe/papers/ijcv04.pdfHOG：众所周知的描述符，特殊适宜人类检测Viola-Jones：伟大的人脸检测器 https://www.microsoft.com/en-us/research/people/?from=http%3A%2F%2Fresearch.microsoft.com%2Fen-us%2Fum%2Fpeople%2Fviola%2Fpubs%2Fdetect%2Fviolajones_ijcv.pdfShape Contexts http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.18.8852&rep=rep1&type=pdfDeformable Part Models http://www.rossgirshick.info/latent/必读书籍清单包括：

入门级：

打算机视觉：算法与运用 http://szeliski.org/Book/打算机视觉：当代方法David A. Forsyth，Jean Ponce http://cmuems.com/excap/readings/forsyth-ponce-computer-vision-a-modern-approach.pdf打算机视觉中的多视图几何。
作者：Richard Hartley，Andrew Zisserman http://books.google.cn/books?hl=en&lr=&id=si3R3Pfa98QC&oi=fnd&pg=PR11&dq=computer+vision&ots=aQo-nw6e4Q&sig=zGRDslfuKd1ytlZWwTaTKcuLdNw&redir_esc=y

高等水平—走向深度学习

Michael Nielsen的“神经网络和深度学习”在线书；这是一个非常棒而温和的先容：神经网络和深度学习 http://neuralnetworksanddeeplearning.com/Ian Goodfellow，Yoshua Bengio和Aaron Courville撰写的深度学习书 http://www.deeplearningbook.org/

当机器可以觉得到你的感情时会发生什么？点击链接不雅观看*** https://youtu.be/QFk3e5PcK7s

TED不雅观看演讲：

李飞飞：我们如何教打算机理解图片 https://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_picturesBlaiseAgüera和Arcas：PhotoSynth如何连接天下图像 https://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_pictures浅川千惠子：新技能如何帮助盲人探索天下 https://www.ted.com/talks/chieko_asakawa_how_new_technology_helps_blind_people_explore_the_world詹妮弗·希利：如果汽车可以说话，则事件可以避免 https://www.ted.com/talks/jennifer_healey_if_cars_could_talk_accidents_might_be_avoidable戈兰·莱文（Golan Levin）：回望你的艺术 https://www.ted.com/talks/golan_levin_art_that_looks_back_at_youPaul Debevec：制作真实照片的数字脸动画 https://www.ted.com/talks/paul_debevec_animating_a_photo_real_digital_face戈兰·莱文：软件艺术 https://www.ted.com/talks/golan_levin_software_as_art在线课程：

入门级：

Udacity：打算机视觉概论 https://www.udacity.com/course/introduction-to-computer-vision--ud810斯坦福大学的CS231n：用于视觉识别的卷积神经网络 http://cs231n.stanford.edu/中心佛罗里达大学-Mubarak Shah教授的***讲座 https://www.crcv.ucf.edu/videos/lectures/2014.php从上述资源中得到的观点和算法，你可以去办理一些任务并自行完成一个项目。

高等水平—走向深度学习

杰夫·欣顿（Geoff Hinton）在Coursera上的神经网络讲座 https://www.coursera.org/learn/neural-networks斯坦福课程：自然措辞处理的深度学习 http://cs224d.stanford.edu/斯坦福大学课程：用于视觉识别的卷积神经网络 http://cs231n.stanford.edu/

讲座课程：

打算机视觉中的深度学习（Sanja Fidler教授） http://www.cs.utoronto.ca/~fidler/teaching/2015/CSC2523.html前辈的打算机视觉（James Hays教授） http://www.cc.gatech.edu/~hays/7476/环球项目

a. 微软打算机科学家和研究职员正在努力“办理”癌症

https://news.microsoft.com/stories/computingcancer/ b.东京项目 ——供应基于AI的运用原型，以增强盲人或视力障碍者对社交，物理和文本环境的认识。
https://www.microsoft.com/en-us/research/project/project-tokyo/ C.教机器预测未来http://news.mit.edu/2016/teaching-machines-to-predict-the-future-0621 最左侧的列显示操作开始之前的帧，其下方是算法的预测。
右列显示***的下一帧。

另一种让你自己理解打算机视觉领域正在进行的研究的方法是跟随作者并阅读他们在顶级会议上的论文，如CVPR、ICCV、ECCV、BMVC。

与专家的对话

以下交谈摘录是我与两位对打算机视觉领域充满激情亲切的专家交谈的。

与Devi Parikh教授的对话| Facebook AI Research的客座研究员| 佐治亚理工学院（以前是弗吉尼亚理工学院）助理教授

打算机视觉是人工智能的一个子领域，其目标是构建可复制人脑视觉的智能打算机。
机器学习是教机器学习的通用术语，但是打算机视觉专门处理视觉数据。
在机器学习中，我们更多地利用了统计工具，而打算机视觉同时利用了统计工具和非统计工具。
例如，打算机视觉领域的3D重修任务中利用机器学习工具的频率要比图像分类和工具识别等技能要低。
许多打算机视觉任务都有其自己的需求，我们为此开拓了特定的机器学习工具。
对付任何想开始学习该领域的学生，我建议他们通过研究职员的网页来选择他们感兴趣的问题来学习。
大多数情形下，人们都在研究最前沿的问题，这些问题可以从该网页得到可用的标准数据集。
他们可以选择一个研究问题，一个数据集以及一个他们可能想利用的库，然后动手去做。
在攻读硕士或博士学位的学生，我常日会去探求有任务心，积极性和决心的来作为我的学生。
为了使你的基本观点清晰明了，可以考试测验阅读研究论文，考试测验理解全天下研究职员正在研究的AI前沿问题。

B.与Richa Agrawal的对话 | 宾夕法尼亚大学校友| Whodat的打算机视觉研究工程师

我毕业于斋浦尔MNIT，在那学习期间，我与Robotics研究组取得了联系，我们互助实现了一些项目，然后参加IIT Roorkee的国家级比赛并赢得了比赛，这段履历极大地鼓舞了我。
完成学士学位后，我开始在Yahoo事情，我意识到这不是我想要做的事，因此去了宾夕法尼亚大学攻读硕士学位。
攻读硕士学位的这段韶光，我通过学习不同的课程探索了不同的研究领域，并终极决定将打算机视觉作为我的紧张研究方向。
毕业后，我在美国的一家初创公司事情，并希望在印度探求打算机视觉的就业机会。
在Whodat（一家基于Bangalore的打算机视觉初创公司）中，我们利用增强现实和可视化技能对图像进行研究处理。
比如，你打算为自己的房屋购买家具，你针对家庭的布局环境去商店后选择了一家家具店，但在家具交付后，常常会涌现家具太大或太小的问题，现在没有什么技能可以办理该问题。
我们正在考试测验通过构建一个办理方案来帮助你，该办理方案可以使商店的家具在你家中进行可视化支配。
这将使你能够做出更好的决定，并轻松地购买物品。
在学习时，很多时候我无法尽力而为，常常感到沮丧，但后来朋友的建议来了。
他见告我-“只有少数人（不到0.1％）能够做到这一点（在国外读硕士和在打算机视觉等技能领域有如此研究），并且而你正是个中之一。
而且你如果更加努力，你自己可以做到其它人做不到的东西。

对付学生入门的一些建议，在与其他学院同龄人的交谈之后，我建议你参加比赛和黑客马拉松。
主要的是要找到自己的兴趣，而不是在自己不喜好的地方事情。
例如，打算机视觉在印度是一个广阔的领域，在印度有广阔的发展空间，在这个领域，你所须要的只是一架已经开始渗透到更小的城市的相机。
因此，打算机视觉的未来绝对是光明的。