关于我的科研方向——计算机视觉

本文介绍了计算机视觉领域的核心研究方向,包括稀疏表达、物体识别、物体检测等,并阐述了其与图像处理、机器视觉等领域的区别。同时,还列举了一些常见的计算机视觉应用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我感兴趣的领域有:

稀疏表达 -> 物体识别 -> 物体检测 -> 场景理解 -> 事件检测

 

计算机视觉与其他学科之间的关系:

计算机视觉与其他学科之间的关系(图)

重点关注计算机视觉和机器视觉的研究领域和密切关联技术的区别。下面是一个简单的总结:

  • 图像处理和图像分析关注2D图像领域,研究如何在它们之间进行转换。图像处理/分析不对输入图像作任何假设,也不会生成对图像内容的理解;
  • 计算机视觉关注3D场景往一幅或多幅图像上进行的投射,以及对这些图像内容上的理解。它或多或少地会对图像中描述的场景作一些假设;
  • 机器视觉关注以生产制造为主的应用,包括基于视觉的机器及系统等。这预示着图像感知技术和控制技术是同图像数据处理紧密结合,从而实现对机器的控制,而且无论从软件还是硬件的角度讲,各种实现方法都对实时性有着高度的关注。由于机器视觉应用的特殊性,外部环境条件,如光照等,相对于通常的计算机视觉来说,都会更多的进行控制。
  • 还有一个称为成像(Imaging)的领域重点关注如何生成图像,增强图像的表达能力。例如新近提出的Computational photography(也可以理解为Computational imaging)就是通过计算成像技术去增强图像表现能力的学科。

 

常见的计算机视觉应用有:

  • 控制过程(如工业机器人、自动驾驶)
  • 检测事件(如视频监控)
  • 组织信息(如多媒体数据库索引)
  • 对物体或环境进行建模(如工业检查、医学图像分析和拓扑建模)
  • 交互(如微软最新推出的XBOX外设kinect)

参考资料:Computer Vision@Wikipedia

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值