【Udemy中英字幕】Computer Vision in Python for Beginners (Theory & Projects)

面向初学者的 Python 计算机视觉（理论与项目）

计算机视觉 – 成为计算机视觉王牌，使用 Python、OpenCV、TensorFlow 等为应用程序提供计算机视觉。

讲师：AI Sciences

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• • 计算机视觉（CV）的介绍和重要性。
• • 为何 CV 如今如此受欢迎？
• • 从一开始就全面阐述基本概念，并使用 Python 示例进行讲解。
• • 使用 Python 进行实际解释和实时编码。
• • 通过练习来掌握彩色和黑白图像的概念。
• • 深入了解计算机视觉的细节，并从头开始提供每个概念的示例。
• • TensorFlow（谷歌的深度学习框架）。
• • 最先进的计算机视觉的使用和应用（在最先进的框架 Numpy 和 TensorFlow 中实现）。
• • 全景图像的理论与实现。
• • 几何变换。
• • 使用 Python 实现的图像过滤。
• • 边缘​​检测、形状检测和角点检测。
• • 物体跟踪和物体检测。
• • 3D 图像。
• • 使用 Python 的计算机视觉技术构建自己的应用程序，用于检测摄像机实时馈送中的变化。
• • 使用 Python 开发一个完整的项目来制作一个非常智能且高效的 DVR。

探索相关主题

要求

• • 无需任何先验知识。您将从基础开始，慢慢积累计算机视觉方面的知识。
• • 愿意学习和实践。
• • 具备 Python 知识将是一个优势。
• • 因为我们通过实际操作来进行教学，所以实践是必须的。

描述

计算机视觉 (CV) 是计算机科学的一个分支，专注于复制人类视觉系统的复杂功能。在 CV 过程中，现实世界的图像和视频被捕获、处理和分析，以便机器从物理世界中提取有用的上下文信息。

直到最近，计算机视觉的功能还很有限。但由于人工智能和深度学习的创新，该领域取得了巨大的飞跃。如今，计算机视觉在大多数与检测和标记物体相关的常规任务中都超越了人类。

《从头开始使用 Python 掌握计算机视觉》课程的高质量内容为 您提供了学习和成为专家的绝佳机会。 您将学习 CV 领域的核心概念。本课程还将帮助您了解数字成像过程并确定 CV 的关键应用领域。 课程内容如下：

• · 容易理解。

• · 描述性。

• · 综合的。

• · 具有实时编码的实用功能。

• · 拥有丰富的该领域最新和最新的知识。

虽然本课程汇集了 CV 的所有基本概念，但我们鼓励您进一步了解并体验更多内容。每个部分结束时都会测试您对每个概念的理解。家庭作业/任务/活动/测验以及解决方案将评估您的学习。其中一些活动侧重于编码，以便您准备好运行实现。

最后一部分中的两个动手项目——CCTV 摄像机中的变化检测（实时）和智能 DVR（实时） ——构成了本课程最重要的学习元素。它们将帮助您提高实践技能。成功完成这两个项目将帮助您丰富您的作品集并开启您在 CV 领域的职业生涯。

课程教程分为320 多个视频，并附有详细的代码笔记。视频提供高清版本，视频总时长超过27 小时。

现在是学习计算机视觉的最佳时机。立即开始学习这门一流的课程吧！

教学是我们的热情所在：

在本课程中，我们采用经过验证的边学边做的方法。我们首先培养学习者的兴趣。我们从基础开始，专注于帮助您清楚地理解每个概念。每个理论概念的解释之后是实际实施。然后，我们鼓励您从学习中创造出新的东西。

我们的目标是帮助您掌握 CV 的基本概念，然后再学习高级概念。课程材料包括在线视频、课程笔记、动手练习、项目作业、测验和讲义。我们还为您提供学习支持。如有任何疑问，您可以联系我们的团队，我们会迅速回复。

课程内容：

综合课程包括以下主题：

1. 简介

a. 简介

i. 什么是计算机视觉？

2.图像转换

a. 图像介绍

i. 图像数据结构

ii. 彩色图像

iii. 灰度图像

iv. 色彩空间

OpenCV 中的颜色空间转换

vi. 使用颜色空间变换进行图像分割

b. 二维几何变换

一、扩展

ii. 旋转

iii. 剪切

iv. 反思

v. 翻译

vi. 仿射变换

vii. 射影几何

viii. 仿射变换作为矩阵

ix. SVD 的应用（可选）

x. 射影变换（单应性变换）

c.几何变换估计

i. 估计仿射变换

ii. 估计单应性矩阵

iii. 直接线性变换（DLT）

iv. 通过手动选择关键点构建全景图

3. 图像滤波和形态学

图像过滤

i. 低通滤波器

ii. 高通滤波器

iii. 带通滤波器

iv. 图像平滑

v. 图像锐化

vi. 图像渐变

vii. 高斯滤波器

viii. 高斯导数

b. 形态

i. 图像二值化

ii. 图像膨胀

iii. 图像侵蚀

iv. 图像细化和骨架化

v. 图像打开和关闭

4.形状检测

边缘检测

i. 边缘的定义

ii. 朴素边缘检测器

iii. Canny 边缘检测器

1. 高效的梯度计算

2. 使用梯度方向进行非最大值抑制

3. 多级阈值——滞后阈值

b.几何形状检测

一、RANSAC

ii. 通过 RANSAC 进行直线检测

iii. 通过 RANSAC 进行多线检测

iv. 通过 RANSAC 进行圆检测

v. 通过 RANSAC 进行参数形状检测

vi. 霍夫变换（HT）

vii. 通过 HT 进行线路检测

viii. 通过 HT 进行多线检测

ix. 通过 HT 进行圆检测

x. 通过 HT 进行参数形状检测

xi. 通过 RANSAC 估计仿射变换

xii. 非参数形状和广义霍夫变换

5.关键点检测与匹配

a.角点检测（关键点检测）

i. 定义角点

ii. 朴素角点检测器

iii. Harris 角点检测器

1. 连续方向

2.泰勒近似

3. 结构张量

4. 方差近似

5.多尺度检测

b. 项目：构建自动全景图

i. 自动关键点检测

ii. 尺度分配

iii. 轮换分配

iv. 特征提取（SIFT）

v. 特征匹配

vi. 图像拼接

6. 运动

a. 光流、全局流

i. 亮度恒常性假设

ii. 线性近似

iii. Lucas–Kanade 方法

iv. 全球流动

v. 运动分割

b. 物体追踪

i. 基于直方图的跟踪

ii. KLT 追踪器

iii. 多目标跟踪

iv. 追踪器比较

7. 物体检测

a. 经典方法

滑动窗口

ii. 尺度空间

iii. 旋转空间

iv. 局限性

深度学习方法

YOLO 案例研究

8. 3D 计算机视觉

1. 3D 重建

i. 两个摄像头设置

ii. 关键点匹配

iii. 三角剖分和结构计算

b. 应用

i. 动作捕捉

ii. 3D动画

9. 项目

a. 闭路电视摄像机的变化检测（实时）

b. 智能 DVR（实时）

成功完成本课程后，您将能够：

• · 将计算机视觉中的概念和理论与现实世界的问题联系起来。

• · 从头开始​​实施任何需要计算机视觉知识的项目。

• · 了解计算机视觉概念的理论和实践方面。

本课程适合哪些人：

• · 完全没有计算机视觉相关知识的初学者。

• · 想要做出智能解决方案的人。

• · 想要通过真实数据学习计算机视觉的人。

• · 喜欢学习理论然后用 Python 实现它的人。

• · 想要学习计算机视觉及其在实际项目中的应用的人。

• · 数据科学家。

• · 机器学习专家。

揭开计算机视觉的迷人世界，迈出成为该领域专家的第一步。

立即报名，踏上理论与实践相结合的学习之旅。今天就开始掌握计算机视觉吧！

关键字列表：

1. 图像处理

2. 计算机视觉的深度学习

3. 计算机视觉中的人工智能

4. 用于图像分析的机器学习模型

5. 物体检测与识别

6. 图像过滤和增强

7. 形状检测算法

8. 关键点检测与匹配技术

9. 光流和运动分析

10. 3D 计算机视觉与重建

11. 实时计算机视觉应用

12. CCTV 中的变化检测

13. 智能 DVR 系统

14. 计算机视觉项目

15. 图像分割

16. 计算机视觉中的特征提取

17. 哈里斯角点检测器

18. 尺度不变特征变换 (SIFT)

19. RANSAC 算法

20. YOLO（你只看一次）

21. 从图像进行 3D 重建

22. 运动结构（SfM）

23. Mocap（动作捕捉）

24. 3D 动画的计算机视觉

25. 数据科学家的计算机视觉

26. 面向机器学习从业者的计算机视觉

本课程适合哪些人：

• • 完全没有计算机视觉知识的初学者。
• • 想要做出智能解决方案的人。
• • 想要通过真实数据学习计算机视觉的人。
• • 热爱学习理论并使用 Python 实现理论的人。
• • 想要学习计算机视觉及其在实际项目中的应用的人。
• • 数据科学家。
• • 机器学习专家。