《计算机视觉度量深入解析》—译后记

本节书摘来自异步社区《计算机视觉度量深入解析》一书中的译后记，作者【美】Scott Krig（斯科特·克里格）,更多章节内容可以访问云栖社区“异步社区”公众号查看。

译后记
计算机视觉度量深入解析
计算机视觉是使计算机能够模拟生物视觉的一门学科，更具体来讲，就是让计算机代替人眼对目标进行识别与分类、跟踪目标和理解场景的一门学科，它是人工智能的重要分支。计算机视觉是一门综合性的学科，它涉及计算机科学与工程、信号处理、光学、应用数学、统计学、神经生理学和认知科学等。

特征描述子是计算机视觉的研究重点，它主要用来提取图像中的特征，而所提取特征的好坏直接影响计算机视觉的后续操作（如目标识别）结果。目前特征描述子的种类有上百个。

本书是读者理解特征描述子的不二选择。它首先介绍了图像的获取与表示，这部分重点介绍了传感器的数据处理与校正、最新的3D深度处理技术，这些内容是计算机视觉的基础。对于不同类型的特征描述子，需要采用不同的图像预处理算法来对传感器数据进行增强、滤波等操作，第2章全面介绍了与各种特征描述子相关的图像预处理操作。有了这两章的基础知识后，就可以介绍具体的特征描述子。特征描述子可分为全局描述子、区域描述子和局部描述子三类。第3章介绍了四大类全局描述子和区域描述子，它们分别是用于特征描述的纹理区域度量、共生矩阵和Haralick特征、用于描述纹理的统计区域度量以及用于描述特征的基空间度量。第4章介绍了局部特征的设计与分类，这一章从局部特征的定义和属性出发，对局部描述子的表示、形态拓扑以及判别性进行了介绍，同时还介绍针对稀疏局部特征的搜索策略。在对各种特征描述子有了基本的了解后，第5章从鲁棒性属性和计算机视觉度量来对特征描述子进行分类，从而建立了特征描述子的分类学，这也是本书的一大贡献之一。在所建立的分类标准的基础上，第6章对各种特征描述子的属性进行了详细介绍。若要测试特征描述子的属性，需要有基准数据集，第7章介绍了如何根据需要来建立基准数据集。第8章通过4个不同的计算机视觉应用来介绍如何设计计算机视觉流程以及与计算机视觉相关的优化方法，这一章是对前面7章内容的综合应用。

本书的第4章、第6章、第8章由重庆工商大学计算机科学与信息工程学院的刘波博士翻译，第1章、第5章、第7章由河南工业大学信息科学与工程学院的靳小波博士翻译，第2章、第3章以及附录由河南工业大学信息科学与工程学院的于俊伟博士翻译。刘波负责全书的审稿工作。

翻译本书的过程也是我们学习的过程，虽然辛苦但也不觉得累。为了力求做到专业词汇准确权威、内容正确、意译部分既不失原著意境又无偏差，我们在翻译过程中查阅了大量相关资料。但由于时间和能力有很，书中内容难免出现差错。若有问题，读者可通过电子邮件liubo7971@163.com或jxb9801@126.com与我们联系，也可以加入QQ群434580938进行交流探讨。本书翻译的勘误信息会发布在http://www.epubit.com.cn/book/details/4227。

本书的翻译过程得到如下项目资助：（1）重庆市教委研究项目“多核正则化机器学习理论研究”，项目号：KJ130709；（2）重庆工商大学研究项目“基于多核学习的高维数据分析研究”，项目号：2013-56-09；（3）大数据稀疏表示判别字典学习及其应用技术研究，项目号：KJ1400612。（4）自然科学基金项目“作弊环境下的网页排序问题研究”，项目号：61103138；（5）河南工业大学 河南省省属高校基本科研业务费专项资金；（6）自然科学基金项目“基于多尺度几何分析的三维表面稀疏表示和快速重构方法研究”，项目号：61300123。

本文仅用于学习和交流目的，不代表异步社区观点。非商业转载请注明作译者、出处，并保留本文的原始链接。

一文尽览 | 计算机视觉中的鱼眼相机模型及环视感知任务汇总！（下） 环视鱼眼摄像机通常用于自动驾驶中的近距离感知，车辆四面的四个鱼眼摄像头足以覆盖车辆周围的360°范围，捕捉整个近距离区域。一些应用场景包括自动泊车、交通拥堵辅助等
一文尽览 | 计算机视觉中的鱼眼相机模型及环视感知任务汇总！（上） 环视鱼眼摄像机通常用于自动驾驶中的近距离感知，车辆四面的四个鱼眼摄像头足以覆盖车辆周围的360°范围，捕捉整个近距离区域。一些应用场景包括自动泊车、交通拥堵辅助等
计算机视觉中的transformer模型创新思路总结 本文回顾了ViT的结构，总结了计算机视觉中的transformer的主要改进思路：改进分块，改进位置编码，改进Encoder，增加Decoder。每个思路下都介绍了相关的论文，介绍了这些论文的提出出发点和改进思路。 本文的目的不在于介绍transformer现在有哪些模型，而在于学习借鉴别人发现问题并改进的思路，从而在自己方向上提出合适且合理的改进。
【动手学计算机视觉】第九讲：传统目标检测之DPM模型 DPM模型在我心里的印象一直都非常深刻，不仅是因为它非常经典，此外，它是我进入CV领域看的第一篇文章。还记得当初开始做项目时，老师就发给我一篇文章，并反复声明，要认真研究，好好学习。我反复把这篇文章看了很多遍，也把源码看了几遍，真是深深的被这个神作惊叹到了。真不愧为传统目标识别领域的经典之作，虽然时间过去很多年，特征提取加机器学习这一套在效率上远不如深度学习，但是DPM的影响力和思想依然非常有生命力，从后面深度学习模型中经常可以看到DPM的身影，DPM的原文从2009年至今引用已经超过8000次，它的价值可见一斑，下面就来介绍一下这个经典的目标检测模型。
《计算机视觉：模型、学习和推理》一3.3分类分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.3节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
异步社区 异步社区(www.epubit.com)是人民邮电出版社旗下IT专业图书旗舰社区，也是国内领先的IT专业图书社区，致力于优质学习内容的出版和分享，实现了纸书电子书的同步上架，于2015年8月上线运营。公众号【异步图书】，每日赠送异步新书。