计算机视觉

计算机视觉是人工智能的一个领域，它通过训练计算机来解释和理解视觉世界。借助摄像机和视频中的数字图像以及深度学习模型，机器可以准确地识别和分类对象，然后对它们“看”到的情形做出反应。

• 历史
•     
• 当今世界
•     
• 用户群体
•     
• 工作方式
•     
• 下一步

计算机视觉的历史

针对计算机视觉的早期实验始于 20 世纪 50 年代，实验中使用了一些最初的神经网络来检测对象的边缘并将简单的对象分类为诸如圆形和正方形等类别。20 世纪 70 年代，计算机视觉的首个商业用途是使用光学识别符来解释打字机或手写文本。这一进步被用来为盲人解释书面文字。

随着 20 世纪 90 年代互联网的成熟提供了大量可用于分析的在线图像集，面部识别程序开始蓬勃发展。这些不断增长的数据集为实现机器识别照片和视频中的特定人员提供了帮助。

如今，多种因素融合在一起，推动了计算机视觉的复兴：

这些进步对计算机视觉领域的影响令人震惊。在不到十年的时间里，对象识别和分类的准确率已从 50％ 上升到了 99％，并且如今的系统在快速检测视觉输入并对视觉输入做出反应方面其准确度甚至胜过人类。

计算机视觉如何工作

计算机视觉工作分为三个基本步骤：

如今的 AI 系统可以更进一步，基于对图像的理解来采取行动。计算机视觉有许多类型，并具有不同的使用方式：

• 图像分割将图像划分为多个区域或片段以分别进行检查。
• 对象检测识别图像中的特定对象。先进的对象检测功能可以在单个图像中识别许多对象：足球场、进攻球员、防守球员、足球等。这些模型使用 X、Y 坐标来创建边界框并识别框内的所有内容。
• 面部识别是一种高级的对象检测类型，它不仅可以识别图像中的人脸，还可以识别特定的人。
• 边缘检测是用于识别物体或风景的外部边缘以更好地识别图像内容的技术。
• 模式检测是识别图像中重复的形状、颜色和其他视觉指示的过程。
• 图像分类将图像分为不同的类别。
• 特征匹配是一种模式检测，可以匹配图像中的相似之处以帮助对其进行分类。

计算机视觉的简单应用可能仅使用以上技术之一，但是更高级的应用（例如自动驾驶汽车的计算机视觉）则依靠多种技术来实现其目标。