概述

由帅气的Justin Johnson开场，大概寒暄一下，了解一下课程，讲师团队等，上个图感受一下：

计算机视觉历史背景

整个课程就这里能看到大牛现身，短短30分钟的介绍，分三个部分：

• 生物学上有关视觉的一些发现，例如：由澳大利亚某科学家发现在某一段时间上，生物种类大幅增长，究其原因就是视觉的出现，捕食，逃跑各种视觉刺激了生物的进化，还讲了科学家如何研究猫咪脑神经对于视觉的反应（虐猫），再由此引入人类记录影像的历史等等；
• CV史上由直接分类—手工特征—神经网络的三阶段发展，前面两个阶段都是在2009年之前，神经网络正式登场是2012年；
• ImageNet发展介绍，之前也有一个带标签的图像数据集，但只有20类，于是斯坦福弄起了这么一个项目，里面有n多东西，都是带标签的，用于检测机器学习世界万物的效果如何。

课程概述

里面介绍了CV发展的现状，以及为什么CNN的这么流行，98年就有与CNN类似结构的算法用于识别邮编，但是CV到2012年后才大量爆发应用。
一来是由于现在计算能力大大提升，GPU等并行运算可以为CNN提供很好的算力
二来是现在的训练数据量很大，可以很好的减少函数的bias，按老师的说法，要很好的分辨世界万物，模型就会很复杂，模型很复杂就会参数很多，参数很多，training data很少就很容易过拟合，很难一般化。
给出了CV研究的一些待解决问题或者能解决的问题，例如图像分析+语义描述。
选读参考书：花书
概述就简单写写，下一课：图像分类。

课后小作业

Q1：课程中提到了CV面临的哪些难点？
目前学习还不深入，对于我来说到处都是难点，o(╥﹏╥)o
Q2：你认为CV还可能存在哪些问题？言之成理即可。
看了视频知道这个玩意玩的就是数据啊，对于个人（求团队收留）而言，获取比较系统的、带标签的数据是最困难的。
Q3：你身边有哪些较新的或者很成熟的CV应用？介绍一种给你印象最深的。
看新闻说有猪脸识别了！！！我想这个玩意好啊，和区块链结合起来，可以打造从小猪到餐桌过程的食品追踪溯源系统。