1.計算機視覺技術（ComputerVision），什么是計算機視覺？
“人的大腦皮層的活動，大約70%是在處理視覺相關信息。視覺就相當于人腦的大門，其它如聽覺、觸覺、味覺那都是帶寬較窄的通道。視覺相當于八車道的高速，其它感覺是兩旁的人行道。如果不能處理視覺信息的話，整個人工智能系統是個空架子，只能做符號推理，比如下棋、定理證明，沒法進入現實世界。計算機視覺之于人工智能，它相當于說芝麻開門。大門就在這里面，這個門打不開,就沒法研究真實世界的人工智能。”——朱松純，加州大學洛杉磯分校UCLA統計學和計算機科學教授根據科普中國撰寫的對計算機視覺的定義，這是一門研究如何讓機器“看”的科學，更進一步的說，是指用計算機代替人眼對目標進行識別、跟蹤和測量的機器視覺，并進一步做圖形處理，使計算機處理成為更適合人眼觀察或傳送給儀器檢測的圖像。
2.計算機視覺VS機器視覺
計算機視覺更關注圖像信號本身以及圖像相關交叉領域（地圖、醫療影像）的研究；機器視覺則偏重計算機視覺技術工程化，更關注廣義上的圖像信號（激光和攝像頭）和自動化控制（生產線）方面的應用。
3.計算機視覺識別技術的分類
物體識別分為“1VSN”對不同物體進行歸類，以及“1VS1”對同類型的物體進行區分和鑒別；物體屬性識別，結合地圖模型讓物體在視覺的三維空間里得到記憶的重建，進而進行場景的分析和判斷；物體行為識別分為3個進階的步驟，移動識別判斷物體是否做了位移，動作識別判斷物體做的是什么動作，行為識別是結合視覺主體和場景的交互做出行為的分析和判斷。
4.計算機視覺的識別流程
訓練模型：樣本數據包括正樣本（包含待檢目標的樣本）和負樣本（不包含目標的樣本），視覺系統利用算法對原始樣本進行特征的選擇和提取訓練出分類器（模型）；此外因為樣本數據成千上萬、提取出來的特征更是翻番，所以一般為了縮短訓練的過程，會人為加入知識庫（提前告訴計算機一些規則），或者引入限制條件來縮小搜索空間。
識別圖像：會先對圖像進行信號變換、降噪等預處理，再來利用分類器對輸入圖像進行目標檢測。一般檢測過程為用一個掃描子窗口在待檢測的圖像中不斷的移位滑動，子窗口每到一個位置就會計算出該區域的特征，然后用訓練好的分類器對該特征進行篩選，判斷該區域是否為目標。
5.計算機視覺技術模式圖和對應企業圖
目前世界上圖像識別大的數據庫，是斯坦福大學人工智能實驗室提供的ImageNet，針對諸如醫療等細分領域也需要收集相應的訓練數據；Google、Microsoft此類科技巨頭會面向市場提供開源算法框架，為初創視覺識別公司提供初級算法。

文章名稱：AI人工智能知識科普篇—計算機視覺技術
文章轉載：http://www.js-pz168.com/news34/127134.html

成都網站建設公司_創新互聯，為您提供網站建設、網站排名、品牌網站建設、響應式網站、企業網站制作、建站公司

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯