随便说说

授课老师是 Professor Lyudmila Mihaylova，我们叫她mila。看名字应该是一个斯拉夫人，在大毛和二毛刚刚开打的时候，我们一致猜测她是大毛的，理由：NULL。
mila的声音轻轻的，而且本人看起来也十分的文静，可能从小到大是一个乖乖女吧。总之我十分敬佩这些从大毛二毛三毛润到西欧从事学术工作，然后一路做到Professor的人，真乃我辈楷模。

这门课一共21个lecture，其中最令人费解的是，竟然有11个lecture是线上的…
可能是内容太多了吧，单把MV这门课拎出来，就够讲一个学期了。

• L1 Introduction to Machine Vision
• L2 Important Image Features: Colour and Edges
• L3 Pixel Operations on Images
• L4 Morphological and Geometric Operations
• L5 Image Restoration
• L6 Optical Flow Methods
• L7 Machine Vision for Autonomous Object Detection in Video
• L8 Image Segmentation – Part I
• L9 Tracking Object in Video – Mean Shift – I
• L10 Image Segmentation – Part II
• L11 Object Tracking in Video – Particle Filtering - II
• L12 Histogram of Gradients (HOG)
• L13 Image Registration – pre-recorded
• L14 Image Fusion
• L15 Scale Invariant Feature Transform (SIFT)
• L16 Classical Methods for Objects Classification
• L17 Visual Feature Descriptors – Continuation
• L18 Introduction to Convolutional Neural Networks
• L19 Deep Learning for Semantic Segmentation – Fully Convolutional Networks, SegNet, U-Net and others
• L20 Deep Learning for Object Detection: Region Based CNNs (R-CNNs)
• L21 Machine Vision for Augmented and Virtual Reality Systems

看到这么长的一个列表，我已经开始犯怵了。我是不是拿英语写MV的blog比较好…
接下来每写一篇blog会在这里对应的lecture添加一个连接。希望2周内能写完。

机器人视觉(MachineVision)和计算机视觉(ComputerVision)

MV和CV之间的联系与区别，Mila没有细说。根据赵鹏[2]的解释，MV和CV是既有区别，又有联系的，CV是注重于一幅或多幅图像的计算机分析。MV偏重于CV技术的工程化，能自动获取/分析图像并控制相关行文。CV为MV提供理论和算法基础，MV为CV的实现提供模型和手段。因此，一个MV系统可以认为是一个能获取图像，并对图像的特征进行处理，分析，测量的系统。

鸽鸽我啊，现在人阳了，呆在医院

参考文献

[1] 机器视觉理论及应用. China: 电子工业出版社, 2011.
[2] Facial biometric authentication on your connected devices - CodeProject