视频分析与机器学习(Video Analytics and Machine Learning)
尝试在这里记录这门课的学习,原创,转载需告知
首先这是一个目录,记录了框架
1.视频监控与计算机视觉概论
第一部分:图像和视频处理
2.图像和视频的采集及其特征
3.数据预处理:点操作
- 亮度增强(Brightness enhancement)
- 对比度增强(Contrast enhancement)
4.数据预处理:相邻操作
- 过滤和降噪(Filtering and Noise reduction)
- 卷积(Convolution)
5.图像
- 亮度细分(Brightness segmentation)
- 模板匹配(Template Matching)
6.视频:运动估计
- 背景消除(Background Subtraction)
- 背景混合模型(Background Mixture Models)
- 光学流(Optical Flow)
7.视频:跟踪
- 卡尔曼滤波(Kalman Filter)
- 离子过滤器(Particle Filter)
- 监测跟踪(Tracking by Detection)
第二部分:机器学习与模式识别
8.机器学习Ⅰ
- 问题类型:验证,检测,识别(Verification,Detection, Identification)
- 邻近取样分类器(Nearest Neighbour Classifier)
- 线性判别(Linear Discriminants)
- 支持矢量机(SVM)
- 准确提高(Boosting)
- 随机森林(Random Forest)
- 神经网络(Neural Networks)
- 深度学习简介(Intro to Deep Learning)
9.特征提取Ⅰ
- 简单的特征(Simple Features)
- 色彩提取和直方图(Colour Extraction and Histograms)
- 边缘提取(Edge extraction)
- 矩形滤波器(Rectangular Filters)
- 尺度不变特征变换(SIFT)
- 方向梯度直方图(HOG)
- 词袋模型(Bag of Words)
10.自动特征提取Ⅰ
- 降维(Dimensionality reduction)
- 主成分分析法(PCA)
- 线性判别分析(LDA)
- 主动形状模型(ASM,Active Shape Models)
- 主动外观模型(AAM,Active Appearance Models)
11.评价
- 评估指标(Evaluation Metrics)
- 实验设置(Evaluation Metrics)