雷锋网按：本文原作者Robin Shen，本文整理自作者在知乎《机器学习应该准备哪些数学预备知识？》问题下的回答。雷锋网已获得转载授权。

问题详情：

数据分析师，工作中经常使用机器学习模型，但是以调库为主。自己一直也在研究算法，也裸写过一些经典的算法。最近在看PRML这类书籍，感觉有点吃劲，主要是公式推导看不懂，很多数学符号不知其意。也特地学过线性代数、微积分等，但是然并卵，还是看不懂大段的公式以及那些神奇的矩阵计算~

机器学习新手，想前来问下，有没有哪些数学知识是可以弥补这一类缺陷的?能否具体的说一些知识点或者相关的文章和书籍？

回答：

2012 年之后，随着深度学习的浪潮卷来，大家逐渐认可了神经网络 / 深度学习这个东西，都知道它在很多应用场景下面表现得很好。但是，它常常被人诟病的一点就是，就算它表现很好，却没有一个很好的理论解释。

相比之下，很多算法虽然实际表现一般，但是在理论解释这一方面就远胜神经网络了。典型的例子么，自然就是我们耳熟能详的线性回归算法啦。所谓的线性回归，简单地说，就是尝试用一条直线来拟合世间万物。虽然听起来不太靠谱，实际上效果也一般，但是这并不妨碍研究人员在过去的几十年间，怀着满腔热情，发了大量的理论论文研究这个基本问题（不好意思，我也发了两篇）。这就像一个 PhD 笑话里面说的那样，Theory is when one knows everything but nothing works. Practice is when everything works but nobody knows why.

真说起来嘛，倒也不是大家觉得线性回归多么有用，我觉得主要还是直线比较好分析，而神经网络比较难，所以理论工作就少一些。这个现象叫做 Streetlight effect，如下图。

笼统地说，原理和基础都在数学这边，当然有很多偏应用和软件使用的技术，例如“深度学习调参”等，这些报个培训速成班就能学会的技术含量不那么高的东西，不在讨论范围内。

这里要讨论的，是如何系统的学习，然后自己能编出这机器学习或深度学习的程序或软件－－我想，这才能称为一个合格的机器学习、数据科学家。

入门基础

1.微积分（求导，极限，极值）和线性代数（矩阵表示、矩阵运算、特征根、特征向量）是基础中的基础，某篇图像分割1w+引用的神文核心思想便就求解构造矩阵的特征向量；

2.数据处理当然需要编程了，因此C/C++/Python任选一门（推荐Python，因为目前很多库和Library都是用python封装），数据结构可以学学，让你编程更顺手更高效，但是编程不是数据处理的核心。

当然了，楼主所在的图像处理界，熟练使用matlab或者Python调用opencv库是必要条件，但是again他们只是工具，业余时间自学，多练练就没问题。有同学问用R行不行，补充一点，用什么编程语言很大部分取决于你的核心算法会调用什么已有的库函数，比如楼主的科研里面核心算法往往是MIP（混合整数规划）问题需要调用Cplex或Gurobi库函数，因此C/C++/Python/Java这些和Cplex接口良好的语言都可以拿来用，这时候R就别想了。(更新：最新Gurobi版本支持R)

另外虽然图像处理界一些open-source的code都用C++写的，但是鉴于使用方便都会提供Python的接口，因此需要用到这些code的话，用Python调用比较方便；但是，如果是高阶骨灰级玩家，需要修改甚至自己写源代码，那么还是推荐C/C++，因为他们的速度最快。

3.算法

通常高校都会有算法类的课程，会概述各类算法的基础和应用，其中包括：精确算法、近似算法、启发式算法、演化算法、递归算法、贪婪算法等待，还有各类优化算法。

算法非常核心，想必大家都听说过算法工程师这个职位。

关于数学模型和算法的区别、联系，参见：

【学界】整数规划精确算法/近似算法/(元)启发算法/神经网络方反向传播等算法的区别与关联

中级教程

1.概率论+统计（很多数据分析建模基于统计模型）、统计推断、随机过程等

2.线性规划+凸优化（或者只学一门叫numerical optimization，统计、机器学习到最后就是求解一个优化问题）、非线性规划等

3.数值计算、数值线代等

当年我是在数学系学的这门课，主要是偏微分方程的数值解。

但我觉得其开篇讲的数值计算的一些numerical issue更为重要，会颠覆一个数学系出身小朋友的三观。(原来理论和现实差距可以这么大！)

Conditional number, ill-conditioned problem，会让你以后的编程多留个心眼。

恭喜你，到这里，你就可以无压力地学习Machine Learning这门课了（其实机器学习，通篇都是在讲用一些统计和优化来做clustering 和 classification这俩个人工智能最常见的应用）。并且你就会发现，ML课中间会穿插着很多其他课的内容。恩，知识总是相通的嘛，特别是这些跨专业的新兴学科，都是在以往学科的基础上由社会需求发展而来。

到这里，其实你已经能看懂并且自己可以编写机器学习里面很多经典案例的算法了，比如regression，clustering，outlier detection。

关于优化类课程的综述，欢迎关注我的专栏：

[运筹帷幄]大数据和人工智能时代下的运筹学 - 知乎专栏

运筹学（最优化理论）如何入门？ - 知乎

学到Mid-level，就已经具备绝大部分理论基础了。然后做几个实际项目，就能上手然后就可以“吹嘘”自己是搞机器学习的，就能找到一份工作了。

但是要读Phd搞机器学习的科研，那么高阶课程必不可少，而且同一个topic你需要上好几门课，并且你博士的课题，很可能只是一本书中一个章节里面一小节里讲的算法，去改进他。

比如，楼主的博士课题就是mixed linear programming + discrete graphical models + markov random fields + regression + clustering + segmentation。

高阶课程

再高阶的课程，就是比较specific的课程了，可以看你做的项目或者以后的concentration再选择选修，比如：Probabilistic Graphical Models（概率图模型）， Integer Programming（整数规划） ，计算机视觉，模式识别，视频追踪，医学图像处理，增强学习，深度学习, 神经网络，自然语言处理，网络信息安全，等等等等。

深度学习：目前非常火，打败了非常多几十年积累起来的经典方法。

增强学习：也很火，游戏AI、自动驾驶、机器人等等，它都是核心。

概率图模型：深度学习之前非常popular的“学习”方法，有严格的数学模型和优美的算法，虽然目前被前俩者盖过了风头，但是依然有它的立足之处。什么？你不知道最近用PGM发了篇Nature，打败了CNN？快看下面：

Robin Shen：如何评价 Vicarious 在 Science 上提出基于概率图模型（PGM）的 RCN 模型？

再比如有用偏微分方程做图像处理的（比较小众），那么这时候你肯定要去学一下偏微分方程了，大都是以科研为主导的。

科研嘛，为了发文章，就是要尝试前人没尝试过的方法，万一效果不错呢，就是一篇好paper了，对吧。

附上顶尖会议排名，共勉：

国际“顶尖”计算机视觉、机器学习会议大搜罗--附排名&接收率

互联网教学资源

书目没有特别推荐的，但是建议看英文原版。

另外直接翻墙Youtube看视频课程，很多国际知名教授都很无私地把自己上课的视频放在youtube上免费学习（搜索我上面列出的科目名字）。如果确实要楼主推荐，那就推荐海德堡大学历史上最年轻的教授 Fred的机器学习视频（我基本都看过）（http://t/RlNKGop）

另外一个教授给你上课的时候，开头一般是会推荐书给你的（如果你确实喜欢看书的话）。当然了，翻墙是楼主suppose你们需要拥有的基本生存技能。

（注：以下再推荐一些视频，仅受之以渔，多为graduate course）

Machine Learning by Prof. Nando de Freitas， 此视频是其在UBC时13年所录，后来跳槽去牛津计算机系了

Deep learning at Oxford 2015 by Prof. Nando de Freitas， 跳槽到牛津所录

Probabilistic Graphical Models by Daphne Koller, 斯坦福大学计算机系教授

雷锋网推出机器学习入门数学基础系列课程，详情可戳链接：http://mooc.ai/course/252

哈喽，大家好，小曦让大家久等了，本来小曦以为Adobe公司的软件大家都有了（毕竟这是各大平台分享的最多、关注度最高的软件），可是有很多粉丝在私信中问小曦，有没有Pr、有没有AE等等软件分享，既然大家有这个需求，那小曦也绝不吝啬，今天就把小曦手中有的Adobe cc2018全系软件一起分享给大家。

老规矩，领取方式在文末，包含了破解工具

图像处理软件 Adobe Photoshop cc2018

矢量图形编辑软件 Adobe Illustrator cc2018

视频剪辑软件 Adobe Premiere Pro cc2018

Adobe Lightroom Classic CC

为避免文章过长影响大家阅读，小曦就放这几个常用的介绍吧，其他的软件，有需要的朋友自行下载

下载方式，私信发送数字“018”给小曦，后台会自动发送地址给您，请注意是私信不是评论，没有关注的需要关注小曦之后在小曦主页才能找到私信按钮

极乐净土应该算得上是2018年抖音上最火的舞蹈了，真人版、动画版、游戏版应有尽有，甚至还有字符版，相信这个视频大家都看过，不知道有多少人跟我一样在第一次看的时候被深深震撼，原来还可以这样玩？后来网上有了很多可以实现这个字符视频效果的软件，大家渐渐开始对这类视频见怪不怪了。最近在研究python时忽然想到能不能编写代码实现这一功能呢？网上有很多这样的教程，在学习之后我决定还是动手将自己的实现过程记录下来，希望能对大家有所启发和帮助。

原理分析

抖音版的已经找不到了，上图是B站上的，原理和效果都是类似的。我们都知道视频可以分解成一帧一帧的图片，这些图像是连续变化的，当播放速度超过人眼的识别速度时，就成了我们看到的视频。字符视频的实现就是基于这一原理，第一步：将视频分割成很多一帧一帧的图片，第二步然后对每一帧图片进行图像处理，转换成相应的字符图像，第三步再将字符图像拼接成视频。

其中第一步和第三步可以通过代码调用第三方软件完成，对我们而言，工作的重点在第二步，即将每帧图片转换成相应的字符图像。因此本教程计划分上下两篇，本文将详细介绍如何将帧图片转换成字符图片，视频的分割和拼接将在下篇文章中介绍。下图是本文的封面图，也是我们将要拿来图像处理的样本，不知道多少人是被这张图吸引进来的。

具体实现

经过观察可以发现，此类字符视频大多是黑白的，也就意味着我们需要将图像由RGB格式转换成灰度模式。RGB格式每个像素点由三个数字组合表示，每个数字的取值范围0-255，灰度模式每个像素点只用一个数字表示，取值范围也是0-255。假设图像的大小是70*70，我们可以构建一个行和列都是70的二维数组，图像每个像素点的灰度都存储在数组的相应位置。接下来利用一定规则查找灰度值对应的字符，将字符绘制在新建的空白图像中即可。

上图中代码第5行定义了一个64个不同字符组成的列表，显然该列表中的字符从左至右逐渐由稠密变得稀疏，这正好对应着灰度值的变化（0代表黑色，255代表白色）；第8行完成了图像的加载、压缩、转换灰度等操作，最后将所有像素点的灰度值存储到一个二维numpy数组当中；第17行实现了灰度值到字符的映射转换，灰度值取值共有266个，正好是字符列表长度的4倍，简单的除法运算就能为灰度值匹配到相应的字符。

未完待续

上图是图像的转换前后的对比图，虽然基本实现了要求，但跟网上作品相比还有较大差距，主要体现在：字符绘制的太密集，颜色深浅对比不够明显，字体不够美观，这些都需要下一步继续调教代码。本文的内容就到这里，下篇文章将为大家介绍如何把视频分割成一帧一帧图片，以及如何将绘制的字符图拼接成视频。请大家继续关注，咱们明天再见。

1、简介：

过去几年一直是人工智能爱好者和机器学习专业人士最幸福的时光。因为这些技术已经发展成为主流，并且正在影响着数百万人的生活。各国现在都有专门的人工智能规划和预算，以确保在这场比赛中保持优势。

数据科学从业人员也是如此，这个领域正在发生很多事情，你必须要跑的足够的快才能跟上时代步伐。回顾历史，展望未来一直是我们寻找方向的最佳方法。

这也是我为什么想从数据科学从业者的角度退一步看一下人工智能的一些关键领域的发展，它们突破了什么？2018年发生了什么？2019年会发生什么？

我将在本文中介绍自然语言处理（NLP）、计算机视觉、工具库、强化学习、走向合乎正道的人工智能

2、自然语言处理（NLP）

让机器分析单词和句子似乎是一个梦想，就算我们人类有时候也很难掌握语言的细微差别，但2018年确实是NLP的分水岭。

我们看到了一个又一个显著的突破：ULMFiT、ELMO、OpenAI的Transformer和Google的BERT等等。迁移学习（能够将预训练模型应用于数据的艺术）成功应用于NLP任务，为无限可能的应用打开了大门。让我们更详细地看一下这些关键技术的发展。

ULMFiT

ULMFiT由Sebastian Ruder和fast.ai的Jeremy Howard设计，它是第一个在今年启动的NLP迁移学习框架。对于没有经验的人来说，它代表通用语言的微调模型。Jeremy和Sebastian让ULMFiT真正配得上Universal这个词，该框架几乎可以应用于任何NLP任务！

想知道对于ULMFiT的最佳部分以及即将看到的后续框架吗？事实上你不需要从头开始训练模型！研究人员在这方面做了很多努力，以至于你可以学习并将其应用到自己的项目中。ULMFiT可以应用六个文本分类任务中，而且结果要比现在最先进的方法要好。

你可以阅读Prateek Joshi关于如何开始使用ULMFiT以解决任何文本分类问题的优秀教程。

ELMO

猜一下ELMo代表着什么吗？它是语言模型嵌入的简称，是不是很有创意？ ELMo一发布就引起了ML社区的关注。

ELMo使用语言模型来获取每个单词的嵌入，同时还考虑其中单词是否适合句子或段落的上下文。上下文是NLP的一个重要领域，大多数人以前对上下文都没有很好的处理方法。ELMo使用双向LSTM来创建嵌入，如果你听不懂-请参考这篇文章，它可以让你很要的了解LSTM是什么以及它们是如何工作的。

与ULMFiT一样，ELMo显着提高了各种NLP任务的性能，如情绪分析和问答，在这里了解更多相关信息。

BERT

不少专家声称BERT的发布标志着NLP的新时代。继ULMFiT和ELMo之后，BERT凭借其性能真正击败了竞争对手。正如原论文所述，“BERT在概念上更简单且更强大”。BERT在11个NLP任务中获得了最先进的结果，在SQuAD基准测试中查看他们的结果：

有兴趣入门吗？你可以使用PyTorch实现或Google的TensorFlow代码尝试在自己的计算机上得出结果。

我很确定你想知道BERT代表什么，它实际上是Transformers的双向编码器表示，如果你能够领悟到这些，那很不错了。

PyText

Facebook开源了深度学习NLP框架PyText，它在不久之前发布，但我仍然要测试它，但就早期的评论来说非常有希望。根据FB发表的研究，PyText使会话模型的准确性提高了10％，并且缩短了训练时间。

PyText实际上落后于Facebook其他一些产品，如FB Messenger。如果你对此有兴趣。你可以通过GitHub下载代码来自行尝试。

2019年NLP趋势：

塞巴斯蒂安·罗德讲述了NLP在2019年的发展方向，以下是他的想法：

预训练的语言模型嵌入将无处不在，不使用它们的模型将是罕见的。我们将看到可以编码专门信息的预训练模型，这些信息是对语言模型嵌入的补充。我们将看到有关多语言应用程序和跨语言模型的成果。特别是，在跨语言嵌入的基础上，我们将看到深度预训练的跨语言表示的出现。3、计算机视觉

这是现在深度学习中最受欢迎的领域，我觉得我们已经完全获取了计算机视觉中容易实现的目标。无论是图像还是视频，我们都看到了大量的框架和库，这使得计算机视觉任务变得轻而易举。

我们今年在Analytics Vidhya花了很多时间研究这些概念的普通化。你可以在这里查看我们的计算机视觉特定文章，涵盖从视频和图像中的对象检测到预训练模型列表的相关文章，以开始你的深度学习之旅。

以下是我今年在CV中看到的最佳开发项目：

如果你对这个美妙的领域感到好奇，那么请继续使用我们的“使用深度学习的计算机视觉”课程开始你的旅程。

BigGAN的发布

在2014年，Ian Goodfellow设计了GAN，这个概念产生了多种多样的应用程序。年复一年，我们看到原始概念为了适应实际用例正在慢慢调整，直到今年，仍然存在一个共识：机器生成的图像相当容易被发现。

但最近几个月，这个现象已经开始改变。或许随着BigGAN的创建，该现象或许可以彻底消失，以下是用此方法生成的图像：

除非你拿显微镜看，否则你将看不出来上面的图片有任何问题。毫无疑问GAN正在改变我们对数字图像（和视频）的感知方式。

Fast.ai的模型18分钟内在ImageNet上被训练

这是一个非常酷的方向：大家普遍认为需要大量数据以及大量计算资源来执行适当的深度学习任务，包括在ImageNet数据集上从头开始训练模型。我理解这种看法，大多数人都认为在之前也是如此，但我想我们之前都可能理解错了。

Fast.ai的模型在18分钟内达到了93％的准确率，他们使用的硬件48个NVIDIA V100 GPU，他们使用fastai和PyTorch库构建了算法。

所有的这些放在一起的总成本仅为40美元！ 杰里米在这里更详细地描述了他们的方法，包括技术。这是属于每个人的胜利！

NVIDIA的vid2vid技术

在过去的4-5年里，图像处理已经实现了跨越式发展，但视频呢？事实证明，将方法从静态框架转换为动态框架比大多数人想象的要困难一些。你能拍摄视频序列并预测下一帧会发生什么吗？答案是不能！

NVIDIA决定在今年之前开源他们的方法，他们的vid2vid方法的目标是从给定的输入视频学习映射函数，以产生输出视频，该视频以令人难以置信的精度预测输入视频的内容。

你可以在这里的GitHub上试用他们的PyTorch实现。

2019年计算机视觉的趋势：

就像我之前提到的那样，在2019年可能看到是改进而不是发明。例如自动驾驶汽车、面部识别算法、虚拟现实算法优化等。就个人而言，我希望看到很多研究在实际场景中实施，像CVPR和ICML这样的会议描绘的这个领域的最新成果，但这些项目在现实中的使用有多接近？

视觉问答和视觉对话系统最终可能很快就会如他们期盼的那样首次亮相。虽然这些系统缺乏概括的能力，但希望我们很快就会看到一种综合的多模式方法。

自监督学习是今年最重要的创新，我可以打赌明年它将会用于更多的研究。这是一个非常酷的学习线：标签可以直接根据我们输入的数据确定，而不是浪费时间手动标记图像。

相关搜索

• 人工智能编程培训
• 深度学习
• 自然语言处理招聘
• nlp自然语言处理
• 计算机视觉算法
• 计算机视觉应用

近日，美图公司社交产品事业群视觉算法组与清华大学自动化系智能视觉实验室合作，推出了业界最大规模教程类行为数据集COIN（COmprehensive INstructional video analysis），该论文已被计算机视觉与模式识别会议CVPR 2019录用。

COIN数据集的概览

教程类行为视频（Instructional Video）可以帮助使用者获取完成各种行为任务的知识，但是现有教程类行为视频数据集在规模性和多样性都存在较大的局限性，难以应用于现实生中的复杂场景。为此，美图公司社交产品事业群视觉算法组与清华大学自动化系智能视觉实验室合作提出了名为COIN的大规模教程类数据集，用于更全面的教程类行为视频分析。

COIN数据集采用分层结构，即第一层是领域（Domain）、第二层是任务（Task）、第三层是步骤（Step），其中包含与日常生活相关的11827个视频，涉及交通工具、电器维修、和家具装修等12个领域的180个任务，共778个步骤。

COIN数据集的分层结构

COIN数据集的设计人员还开发了创新性的标注工具，可以更高效更准确地标注视频行为的步骤信息。此外，为了给数据集提供更准确的基准指标，数据集开发人员还使用了SSN、R-C3D等评价方法对COIN数据集进行了测评。

COIN数据集的步骤定位准确率分析

目前，COIN数据集是业界规模最大、多样性最丰富的教程类视频数据集。该数据集在标注结构上采用分层的组织结构，涵盖了多种不同类型的教程类视频。该数据集的提出，给复杂场景下视频动作时序定位（temporal localization）等问题的研究提供丰富的数据资源，有望加快推动视频行为分析与理解等相关领域的研究。

美图公司社交产品事业群视觉算法组，是美图社交化的重要算法团队之一。随着“美和社交”战略的发布，美图秀秀从过去的纯图片处理软件转变为社区平台。视觉算法组通过人工智能/深度学习算法，理解图像和视频内容中的语义信息，为社区中推荐、搜索、反作弊和垃圾过滤等提供有力的技术支撑。帮助用户处理图片的同时，增加社交功能及软件活性。

相关搜索

• 社交app排名
• 2017社交软件排行
• 社交软件

在本系列的早期，我们学习了如何使用iPhone的相机拍摄精彩的照片和视频片段。我甚至展示了如何通过使用硬件插件来推动iPhone的可能性。在本教程中，您将学习如何在拍摄后充分利用捕获。

iPhone是一个很棒的后期处理图像工具，但不幸的是，它无法正常处理视频，如果您想真正充分利用iPhone相机拍摄的精彩素材，则需要将其导出到计算机并在Final Cut Pro，Avid Media Composer或Adobe Premiere等程序中进行编辑。

什么是后处理？

后处理不仅仅是在你拍摄的每张照片上粘贴滤镜。它从选择和组织开始。

并非你捕获的所有东西都值得编辑。第一个阶段是通过你捕获的所有东西，并取出伟大的。你抽出多少取决于你拍摄的照片数量。对我来说，这可能是我用iPhone拍摄的照片的20％，但只有我用我的数码单反相机拍摄的照片的5％。

并非你捕获的所有东西都值得编辑。

第二步是实际编辑所选图像，这可以是从作物的轻微调整到完整的时尚润饰。再次，你做多少编辑完全是个人的。这取决于你的风格和个人形象。

最后一步是对图像做一些事情，这可能是将其发送给客户端或只是正确地归档。使用iPhone，可能是在线分享。

所有这三个阶段都可以使用几个不同的应用程序在iPhone上完成。

选择和管理照片

Adobe Lightroom Mobile于今年早些时候发布。它可以在iPhone和iPad上使用。我的同伴Tuts +作者Andrew 为Lightroom Mobile写了一篇很棒的介绍性文章。您需要注册Adobe的Creative Cloud才能使用它，但如果您是免费的话。

虽然Adobe设计Lightroom Mobile是您主要计算机工作流程的延伸，但它作为iPhone摄影工作流程的中心更加出色。您可以将Lightroom Mobile设置为自动从相机胶卷导入新照片。导入后，可以通过巧妙的手势控制标记，拒绝照片或给予星级评级。通过一批照片和标记好照片真的很快。然后可以按照标记或星级对照片进行排序，以便您可以拉出所有选择的镜头。

在Lightroom mobile左侧挑选照片并将其发送到另一个应用程序，以便在右侧进行更多编辑。

更好的是，您可以在Lightroom Mobile中打开另一个支持iOS Open In功能的编辑应用中的任何照片。只要将编辑后的图像保存到相机胶卷，它就会重新导入Lightroom Mobile目录中。

您还可以使用iOS上的库存照片应用选择最佳图像。使用iOS 8，您可以通过点击小心脏图标将照片添加到收藏夹。“ 收藏夹”专辑与iPhone的“ 相机胶卷”分开，因此这是一种很好的方式来获取所有最佳图像。

在手机上处理照片

Lightroom Mobile，以及选择最佳图像的好处，也是我的简单修正和调整的首选应用程序。Lightroom的整个基本面板可在Lightroom Mobile中使用：您可以改变白平衡，曝光，对比度，颜色和裁剪。Lightroom的一些预设也可用，但它们并不是特别好，几乎无法控制它们的应用方式。如果我想对图像的外观进行重大更改，我会将其发送到另一个应用程序。

基本图像处理

我和其他许多摄影师选择的iPhone图像处理应用程序是VSCOCam。VSCO制作了一些你可以购买的最好的Lightroom预设; 它们是Lightroom中特定胶片类型的极其精确的再现。VSCOCam为您的iPhone带来了丰富的后期制作体验。

该应用程序是免费的，有限数量的预设或过滤器; 更多可用于应用内购买。它们价格实惠，并添加了一些很棒的选择。VSCOCam与众不同之处在于其预设的质量。它们非常精巧，设计精良。只要你在大多数情况下稍微拨回预设强度，你就会得到一些看起来不会过度处理得好图像，或者好像他们的顶部有一个很大的讨厌的过滤器。您也可以执行基本图像调整以进一步调整图像。

重图像处理

对于本地调整和大量编辑，Snapseed是最好的应用程序。Snapseed由Nik Software开发，他生产一系列独立的编辑应用程序和Lightroom插件，深受专业摄影师的欢迎。

Snapseed使用Nik的专利U Point技术进行局部调整。您将U Point放在图像的任何位置并调整其大小。它选择半径内的所有相似音调。然后，您可以调整目标区域的曝光，对比度和饱和度，而不会影响图像的其余部分。如果你想让天空变暗或照亮模特，这是在你的iPhone上做到这一点的最好方法。内置了一些可以产生有趣图像的好预设。这是必须的，它是免费提供的。

而休息

还有成千上万的其他图像编辑应用程序。他们中的大多数只是在图像顶部添加不同质量的滤镜。有一些好的可用，但不同的应用程序将适用于不同的摄影师。我使用Lightroom Mobile，VSCOCam和Snapseed进行95％的iPhone图像编辑。对于其他5％我使用Camera +，Photoshop Touch，偶尔使用Instagram过滤器。

与世界和你自己分享照片

只需要拍照并将它们放在iPhone上就没有意义了。后处理的最后一步是导出它们。通常使用iPhone摄影，这意味着在线分享。

如果您想与朋友和家人分享您的图像，Facebook或Twitter是最简单的选择。Instagram是最受欢迎的仅限照片的社交网络，并且有很多专业人士使用它。然而，对Instagram的限制是，它只能发布方形裁剪的低分辨率图像。如果您想与其他摄影师分享您的作品或在线存储全分辨率版本，Flickr和500px是最佳选择。

如果您想与其他摄影师分享您的作品，Flickr和500px是最好的

所有共享服务都有自己的应用程序，您可以使用它们发布照片。更好的是，使用Lightroom Mobile或iPhone的股票照片应用程序：您可以使用iOS共享菜单直接与他们共享任何社交网络。这样可以将所有照片管理保存在一个应用程序中，而不是分散在几个应用程序中，每个应用程序都有自己的用户界面逻辑。

最重要的是，如果您在计算机上的Lightroom主要安装上启用Lightroom Mobile Sync，则所有iPhone照片都会自动同步。

正如我在本教程开头所说的那样，iPhone上的视频后期处理并不是很好。有很多应用程序可以让你剪辑剪辑并应用简单的过滤器，但iPhone的硬件不允许复杂的编辑。只要您不想尝试繁重的Photoshop工作，在iPhone上编辑的照片就可以与计算机上编辑的照片相同。视频也是如此。

如果由于某种原因，您需要在iPhone上编辑视频片段，有两个应用程序可以使用：iMovie和Pinnacle Studio。iMovie易于使用，作为官方Apple应用程序，在iOS上运行良好。Pinnacle Studio功能更强大，但更难使用。例如，它甚至可以处理外部音频剪辑。如果你只是将几个快速镜头切割在一起，两个程序都可以正常工作，但iPhone没有CPU，RAM或磁盘空间来处理更严重的问题。

结论

太多的摄影师认为后期制作会改变图像的外观，谈到iPhone的摄影，不可避免地只是拍打过滤器，它还有很多东西！

像Lightroom Mobile这样的应用程序可以为您提供与计算机相同的功能，以对图像进行排序和调整，其他编辑应用程序，如VSCOCam和Snapseed，由强大的Lightroom附加组件的创建者制作，即使分享也不一定仅限于将照片放在Instagram上。

不幸的是，后处理视频不能说同样的，iPhone虽然很棒，但却无法进行严肃的视频工作，它可以捕获令人惊叹的镜头，但您需要将其导出到更强大的设备才能正确编辑它。

如果您使用iPhone进行后期处理，我很乐意听到您在评论中使用的应用程序。

机器之心发布

美图公司社交产品事业群视觉算法组

不久之前，CVPR 2019 接收论文公布：在超过 5100 篇投稿中，共有 1300 篇被接收，接收率达 25.2%。本文介绍了美图公司社交产品事业群视觉算法组与清华大学自动化系智能视觉实验室合作的一篇论文，双方联合发布了业界最大规模教程类行为数据集 COIN（COmprehensive INstructional video analysis）。

论文标题： COIN: A Large-scale Dataset for Comprehensive Instructional Video Analysis

论文地址：https://arxiv.org/pdf/1903.02874.pdf数据集链接：https://coin-dataset.github.io

教程类行为视频（Instructional Video）可以帮助使用者获取完成各种行为任务的知识，但是现有教程类行为视频数据集在规模性和多样性都存在较大的局限性，难以应用于现实生中的复杂场景。为此，美图公司社交产品事业群视觉算法组与清华大学自动化系智能视觉实验室合作提出了名为 COIN 的大规模教程类数据集，用于更全面的教程类行为视频分析。

COIN 数据集的概览

COIN 数据集采用分层结构，即第一层是领域（Domain）、第二层是任务（Task）、第三层是步骤（Step），其中包含与日常生活相关的 11827 个视频，涉及交通工具、电器维修、和家具装修等 12 个领域的 180 个任务，共 778 个步骤。

COIN 数据集的分层结构

COIN 数据集的设计人员还开发了创新性的标注工具，可以更高效更准确地标注视频行为的步骤信息。此外，为了给数据集提供更准确的基准指标，数据集开发人员还使用了 SSN、R-C3D 等评价方法对 COIN 数据集进行了测评。

COIN 数据集的步骤定位准确率分析

目前，COIN 数据集是业界规模最大、多样性最丰富的教程类视频数据集。该数据集在标注结构上采用分层的组织结构，涵盖了多种不同类型的教程类视频。该数据集的提出，给复杂场景下视频动作时序定位（temporal localization）等问题的研究提供丰富的数据资源，有望加快推动视频行为分析与理解等相关领域的研究。

团队介绍：美图公司社交产品事业群视觉算法组，是美图社交化的重要算法团队之一。随着「美和社交」战略的发布，美图秀秀从过去的纯图片处理软件转变为社区平台。视觉算法组通过人工智能/深度学习算法，理解图像和视频内容中的语义信息，为社区中推荐、搜索、反作弊和垃圾过滤等提供有力的技术支撑。帮助用户处理图片的同时，增加社交功能及软件活性。

本文为机器之心报道，转载请联系本公众号获得授权。

相关搜索

• 社交app排名
• 2017社交软件排行
• 社交软件

你还在为不会P图而苦恼吗？还在惊讶于别人朋友圈的美图吗？其实你也可以~

通过强大的PS，你就可以实现这一切！Adobe Photoshop，简称“PS”，是由AdobeSystems开发和发行的图像处理软件，可以用于专业测评、专业测评、平面设计、广告摄影、影像创意、网页制作、后期修饰、视觉创意、界面设计等。

即使是美女也需要修饰！

当然，帅哥也是~无论是色调还是背景，统统你做主

很平常的场景也可以很唯美啊

瞬间变女神！

整整100G，吐血整理~今天免费分享给有需要的人啦~

PS教程领取方法：

1.请关注我

2.评论或转发都可以，当然你喜欢收藏也可以。然后私信我：PS

私信方法：点我的头像，在我的主页头像旁边就能看到

在上一节内容中，介绍了如何将YOLO应用于图像目标检测中，那么在学会检测单张图像后，我们也可以利用YOLO算法实现视频流中的目标检测。

将YOLO应用于视频流对象检测

首先打开 yolo_video.py文件并插入以下代码：

同样，首先从导入相关数据包和命令行参数开始。与之前不同的是，此脚本没有-- image参数，取而代之的是量个视频路径：

-- input ：输入视频文件的路径；-- output ：输出视频文件的路径；视频的输入可以是手机拍摄的短视频或者是网上搜索到的视频。另外，也可以通过将多张照片合成为一个短视频也可以。本博客使用的是在PyImageSearch上找到来自imutils的VideoStream类的 示例。

下面的代码与处理图形时候相同：

在这里，加载标签并生成相应的颜色，然后加载YOLO模型并确定输出层名称。接下来，将处理一些特定于视频的任务：

在上述代码块中：

打开一个指向视频文件的文件指针，循环读取帧；初始化视频编写器 （writer）和帧尺寸；尝试确定视频文件中的总帧数（total），以便估计整个视频的处理时间；之后逐个处理帧：

上述定义了一个 while循环， 然后从第一帧开始进行处理，并且会检查它是否是视频的最后一帧。

接下来，如果尚未知道帧的尺寸，就会获取一下对应的尺寸。

接下来，使用当前帧作为输入执行YOLO的前向传递 ：

在这里，构建一个 blob 并将其传递通过网络，从而获得预测。然后继续初始化之前在图像目标检测中使用过的三个列表： boxes 、 confidences、classIDs ：

在上述代码中，与图像目标检测相同的有：

循环输出层和检测；提取 classID并过滤掉弱预测；计算边界框坐标；更新各自的列表；接下来，将应用非最大值抑制：

同样的，在上述代码中与图像目标检测相同的有：

使用cv2.dnn.NMSBoxes函数用于抑制弱的重叠边界框，可以在此处阅读有关非最大值抑制的更多信息；循环遍历由NMS计算的idx，并绘制相应的边界框+标签；最终的部分代码如下：

总结一下：

初始化视频编写器（writer），一般在循环的第一次迭代被初始化；打印出对处理视频所需时间的估计；将帧（frame）写入输出视频文件；清理和释放指针；现在，打开一个终端并执行以下命令：

图6：YOLO应用于车祸视频对象检测

在视频/ GIF中，你不仅可以看到被检测到的车辆，还可以检测到人员以及交通信号灯！YOLO目标检测器在该视频中表现相当不错。让现在尝试同一车追逐视频中的不同视频：

图7：在该视频中，使用OpenCV和YOLO对象检测来找到该嫌疑人，嫌疑人现在已经逃离汽车并正位于停车场

YOLO再一次能够检测到行人！或者嫌疑人回到他们的车中并继续追逐：

图8：YOLO是一种快速深度学习对象检测器，能够在使用GPU的情况下用于实时视频

最后一个例子，让我们看看如何使用YOLO作为构建流量计数器：

图9：立交桥交通视频表明，YOLO和OpenCV可准确、快速地检测汽车

下面汇总YOLO视频对象检测完整视频：

Quaker Oats汽车追逐视频；Vlad Kiraly立交桥视频；“White Crow”音频；

YOLO目标检测器的局限和缺点

YOLO目标检测器的最大限制和缺点是：

它并不总能很好地处理小物体；它尤其不适合处理密集的对象；限制的原因是由于YOLO算法其本身：

YOLO对象检测器将输入图像划分为SxS网格，其中网格中的每个单元格仅预测单个对象；如果单个单元格中存在多个小对象，则YOLO将无法检测到它们，最终导致错过对象检测；因此，如果你的数据集是由许多靠近在一起的小对象组成时，那么就不应该使用YOLO算法。就小物体而言，更快的R-CNN往往效果最好，但是其速度也最慢。在这里也可以使用SSD算法， SSD通常在速度和准确性方面也有很好的权衡。

值得注意的是，在本教程中，YOLO比SSD运行速度慢，大约慢一个数量级。因此，如果你正在使用预先训练的深度学习对象检测器供OpenCV使用，可能需要考虑使用SSD算法而不是YOLO算法。因此，在针对给定问题选择对象检测器时，我倾向于使用以下准则：

如果知道需要检测的是小物体并且速度方面不作求，我倾向于使用faster R-CNN算法；如果速度是最重要的，我倾向于使用YOLO算法；如果需要一个平衡的表现，我倾向于使用SSD算法；

想要训练自己的深度学习目标检测器？

图10：在我的书“使用Python进行计算机视觉的深度学习”中，我介绍了多种对象检测算法，包括fasterR-CNN、SSD、RetinaNet。书中讲述了如何创建对象检测图像数据集、训练对象检测器并进行预测。

在本教程中，使用的YOLO模型是在COCO数据集上预先训练的.。但是，如果想在自己的数据集上训练深度学习对象检测器，该如何操作呢？大体思路是自己标注数据集，按照darknet网站上的指示及网上博客自己更改相应的参数训练即可。或者在我的书“ 深度学习计算机视觉与Python”中，详细讲述了如何将faster R-CNN、SSD和RetinaNet应用于：

检测图像中的徽标；检测交通标志；检测车辆的前视图和后视图（用于构建自动驾驶汽车应用）；检测图像和视频流中武器；书中的所有目标检测章节都包含对算法和代码的详细说明，确保你能够成功训练自己的对象检测器。在这里可以了解有关我的书的更多信息（并获取免费的示例章节和目录）。

总结

在本教程中，我们学习了如何使用Deep Learning、OpenCV和Python完成YOLO对象检测。然后，我们简要讨论了YOLO架构，并用Python实现：

将YOLO对象检测应用于单个图像；将YOLO对象检测应用于视频流；在配备的3GHz Intel Xeon W处理器的机器上，YOLO的单次前向传输耗时约0.3秒； 但是，使用单次检测器（SSD），检测耗时只需0.03秒，速度提升了一个数量级。对于使用OpenCV和Python在CPU上进行基于实时深度学习的对象检测，你可能需要考虑使用SSD算法。如果你有兴趣在自己的自定义数据集上训练深度学习对象检测器，请务必参阅写的“使用Python进行计算机视觉深度学习”，其中提供了有关如何成功训练自己的检测器的详细指南。

随着人工智能（AI）的持续火热，工程师工资也是水涨船高，而这其中又属人工智能方面薪资最为可观。甚至还有程序员鼓励师这种新兴职位诞生，这种福利只有程序员才有，可见程序员的地位也是水涨船高。

在当下程序员工作非常吃香，就连在相亲市场，程序员也是各大丈母娘争相哄抢的对象。

如果你想要在人工智能机器视觉图像处理这个方向发展，那么建议就先从Halcon的学习开始！Halcon具有强大的图像分析处理能力，并且已经加入了深度学习的模块，应用范围相当广泛，只要是运用图像处理的地方，都可以运用这款软件。自己学习的东西要能有广泛的应用，才更容易找到称心如意的工作。

看看招聘信息，你就能获取到公司对人才的需求要求，想要获取高薪，首先也要满足高薪岗位招聘的基本要求。如下图所示机器视觉工程师的招聘要求。

其实学习机器视觉有很多种方法，那今天外星眼机器视觉就整理了一些学习思路和方法。希望能够为想要入门机器视觉的同学提供一些学习Halcon的思维方式。只要你有一点基础编程知识，学习有方法有技巧，肯坚持，零基础学习也能学会。

第一步：观看视频教程

在一些正规的在线学习平台，比如网易搜索Halcon，看视频跟着老师的操作来学习机器视觉的相关知识是个不错的选择，边看视频边敲代码，熟练语法，快速入门，跟着老师的思路，实现功能，每一步骤都不会落下。而且通过视频的方式，很多的知识点理解起来也会比较容易。

在学习的过程中，做好笔记，保存好写过的代码，方便日后复习，每天给自己定个小目标，比如，今天必须完成哪一些章节，哪一个课时，保证每天训练一定的代码量。

第二步：看书辅助学习

在学习的过程中，可以看一些相关的书籍，也不必整本书都看，可以把书放到手边，等到需要的时候可以当作工具书来用。

因为有基础书籍，所以可以很快就完成初步语法的学习和使用。太复杂的特性还是在使用中逐步掌握就可以的。

第三步：确定学习方向

把Halcon用到合适的地方。机器视觉图像处理能应用的地方非常之多，在对图像处理和Halcon软件学习有了初步的了解之后，一定要明确自己想要工作的岗位和方向，针对性的提升自己相关能力，明确自己感兴趣的学习方向，是工业检测还是医疗图像等。

第四步：用Halcon多做练习

这个其实就是Halcon的项目实践阶段，自己学习再多理论知识，无法及时应用到工作中去，接触不到实际工作需要，就无法真实把握市场需求。如果有老师和前辈带领，那么就会事半功倍。只会埋头敲代码的Halcon开发肯定不能适应市场人才需求，项目经验才是你提升技术能力的最快捷径。

所以有机会就先找一份机器视觉工程师职位的工作，要结合工作实际需求，学习更多机器视觉相关知识，才能快速提升自己在机器视觉工作中的实际使用Halcon的能力，从而提高自己的职场价码，毕竟所有的知识和技术只有转化成工作需要的生产力，能够切实变现，才能实现学习这门软件技术的价值。花在买书和买视频教程等方面的投资自己头脑的支出才能最快的获得回报。而这个回报也是颇丰的，投资自己，不断学习，才是使自己立于不败之地的决胜法宝。

找到工作后多参加项目！多练习！只有自己多多参与到具体项目，多加训练，才能不断进步。

学习任何一门知识都是理论+实践的，源于理论，不断实践，才能真正的融会贯通。

以上就是小编为您总结的一点学习机器视觉图像处理相关知识。想了解更多机器视觉相关知识资讯，欢迎关注我们。