CS131: Computer Vision Foundations and Applications
课程和作业介绍
This repository contains the released assignments for the fall 2017 iteration of CS 131, a course at Stanford taught by Juan Carlos Niebles and Ranjay Krishna.
The assignments cover a wide range of topics in computer vision and should expose students to a broad range of concepts and applications.
编程环境
- Python 3
- Jupyter Notebook
- Package 参照每个每份作业文件夹下的
requirement.txt
提示：运行pip install -r requirements.txt 安装共享环境。
Homework 0：Basics (完成)
- 使用Python和Numpy操作图像
- 基础线性代数知识
Homework 1：Filters - Instagram （完成）
- 理解基本概念
- 卷积
- 线性系统
- 卷积核分解
- 设计卷积核来寻找图像的特定信号
Homework 2: Edges - Smart Car lane Detection （完成）
- 边缘检测
- 霍夫变换检测直线
- 车道线检测
Homework 3: Panorama - Image Stiching （完成）
- 介绍HOG和RANSAC
- 多幅图像中寻找匹配点
- 估计图像间仿射变换矩阵
- 实现拼接操作
Homework 4: Resizing - Seam Carving （完成）
- 介绍seam carving算法
- 实现算法
- 定义图像能量
- 动态编程寻找最小能量线
- 拓展实现图像缩放、目标移除
Homework 5: Segmentation - Clustering （完成）
- 实现聚类算法
- K-Means
- HAC
- 提取图像特征序列进行分割
- 基于Groundtruth对分割算法进行量化评估
Homework 6: Recognition - Classification （完成）
- SVD 图像压缩
- KNN 图像分类
- PCA(主成分分析)和LDA（线性判别分析）进行数据降维
Homework 7: Object detection - constellation models （完成）
- Hog人脸表征
- 滑窗法人脸检测
- 图像金字塔解决维度诅咒
- DPM人脸检测
Homework 8：Tracking-OpticalFlow （完成）
- Lucas-Kanade 光流法
- 最小二乘求解LK光流
- 高斯迭代求解LK光流
- 图像金字塔优化LK光流
- 使用LK光流进行目标跟踪