不少人都想知道计算机视觉简介详细解释基本概念、工作原理和应用示例。的题，关于大众fig这类题，小编为你介绍一下吧！
机器可以模拟人类视觉系统的幻想已经过时了。自20世纪60年代第一篇学术论文发表以来，计算机视觉已经取得了长足的进步，并且可以集成到移动应用程序中的现代系统已经出现。
如今，计算机视觉因其广泛的应用和巨大的潜力而成为人工智能和机器学习中最受欢迎的子领域之一。目标是复制人类视觉的强大能力。
但计算机视觉到底是什么？在各行业的应用现状如何？有哪些著名的业务用例？常见的计算机视觉任务有哪些？
本文将介绍计算机视觉的基本概念和实际应用，如果您听说过计算机视觉但不确定它是什么或如何应用，这篇文章将是理解计算机视觉复杂题的便捷途径。它会。想象。
您可以读完本文或直接跳到特定部分。
指数
什么是计算机视觉？
计算机视觉解决什么题？
区分计算机视觉与相关领域
工业应用
零售
手术
医疗行业
自动驾驶仪
保险
农业
安全
常见的计算机视觉任务
图像分类
地点
目标检测
目标识别
实例分裂
目标跟踪
计算机视觉如何工作
总体策略
现有数据集
学习物体检测模型
业务用例
视觉搜索引擎
脸书人脸识别
亚马逊Go
特斯拉自动驾驶仪
微软内部
计算机视觉在中小企业中的应用现状
如何实施计算机视觉项目
什么是计算机视觉？
计算机视觉解决什么题？
人类可以理解和描述图像中的场景。例如，在下图中，人类可以做的不仅仅是检测图像前景中是否有四个人、一条街道或几辆车。
披头士乐队专辑《AbbeyRoad》的封面。
除了这些基本信息之外，人类还可以判断图像前景中的人正在行走，其中一个人赤脚，甚至知道他们是谁。可以合理推断，照片中的人没有被车撞的危险，白色大众车也没有停放。人类还可以描述图片中人物的衣服，不仅描述他们的颜色，还描述他们的材质和纹理。
这也是计算机视觉系统所需要的技能。简单来说，计算机视觉解决的主要题是
给定二维图像，计算机视觉系统必须通过识别图像中的对象及其特征（例如形状、纹理、颜色、大小和空间排列）来尽可能完整地描述图像。
区分计算机视觉与相关领域
尽管计算机视觉执行的任务远远超过图像处理和机器视觉等其他领域，但也有一些相似之处。接下来我们看看这些字段之间的区别。
图像处理
图像处理的目的是处理原始图像并应用某种变换。虽然目标通常是改进图像或将其用作特定任务的输入，但计算机视觉的目标是描述和解释图像。例如，常见的图像处理组件（例如降噪、对比度或旋转操作）可以在像素级别执行，而无需完全了解整个图像。
机器视觉
机器视觉是计算机视觉的一个特例，用于执行特定任务。在化学工业中，机器视觉系统可以通过检查生产线上的容器或确保成品正确包装来支持产品制造。
计算机视觉识别
计算机视觉可以解决更复杂的题，例如面部识别、详细图像分析或生物特征识别方法。
工业应用
人类不仅可以理解图像中的场景，而且经过一些训练，他们还可以解读书法、印象派绘画、抽象绘画和胎儿的二维超声图像。
从这个角度来看，计算机视觉领域尤其复杂，并且具有许多实际应用。
从电子商务到传统行业，各种类型和规模的企业现在都可以利用计算机视觉的力量，以及依赖人工智能和机器学习的创新带来的好处。
让我们看一下近年来受计算机视觉影响最大的工业应用。
零售
近年来，计算机视觉在零售业的应用已成为最重要的技术趋势之一。下面描述了一些常见的用例。要了解有关计算机视觉在零售业的潜在应用的更多信息，请参阅
行为追踪
实体零售商使用计算机视觉算法和摄像头来了解顾客及其行为。
计算机视觉算法可以识别面部并确定性别或年龄范围等特征。零售商还可以使用计算机视觉技术来跟踪商店内的顾客动向、分析行进路径、检测步行模式并计算行人注意到零售商的次数。
添加视线方向检测功能使零售商能够回有关产品应放置在店内何处的关键题，以改善消费者体验并最大限度地提高销售额。
计算机视觉也是开发防盗机制的强大工具。面部识别算法可用于识别已知的商店扒手或检测顾客何时将物品放入背包中。
库存管理
计算机视觉在库存管理中有两个主要应用
通过分析安全摄像头图像，计算机视觉算法可以对商店中剩余的商品进行高度准确的估计。这对于商店经理来说是很有价值的信息，他们可以立即发现对产品的异常需求并尽早做出响应。
另一个常见应用分析货架空间利用率以识别次优配置。除了识别浪费的空间之外，这些算法还可以提供更好的放置选项。
手术
生产线上的一个主要题是机器停机或产品缺陷，这可能导致生产延误和收入损失。
计算机视觉算法已被证明是实施预测性维护的好方法。算法分析视觉信息以主动检测机器可能出现的题。这些系统能够预测包装或汽车装配机器人是否会停止工作，从而做出了重大贡献。
通过允许系统检测整个生产线中各个组件的缺陷，这也可以用于降低缺陷率。这使得制造商能够实时做出反应并实施解决方案。缺陷不太严重，生产过程可以继续，但产品以某种方式标记或指定特定的生产路线。然而，有时需要停止生产线。为了获得额外的好处，可以通过按类型和严重性对缺陷进行分类来针对每个用例对这些系统进行培训。
医疗行业
医疗保健行业现有的计算机视觉应用数量巨大。
毫无疑，医学图像分析是如何显着改进医疗诊断过程的最著名的例子。这些系统分析MRI图像、CT扫描和X射线图像，以发现肿等异常情况或寻找神经系统疾病的症状。
在许多情况下，图像分析技术从图像中提取特征来训练可以检测异常的分类器。然而，一些特定的应用需要更详细的图像处理。例如，在分析结肠镜图像时，需要对图像进行分割以发现肠息肉并预防结肠。
3D渲染胸部CT扫描图像的体积分割。
上图是观察胸腔元素所需的图像分割结果。该系统对每个重要部分进行分段和着色，包括肺动脉、肺静脉、纵隔和膈肌。
其中许多应用程序已经投入使用，包括估计产后出血、量化冠状动脉钙化以及无需MRI即可测量体内血流量。
但医学成像并不是医疗保健行业使用计算机视觉的唯一领域。例如，计算机视觉技术为视障人士提供室内导航帮助。这些系统可以通过将行人和周围物体放置在平面图内来提供实时视觉体验。眼动追踪和眼部分析可用于检测儿童的早期认知障碍，例如自闭症或阅读障碍，这些障碍与异常凝视行为密切相关。
自动驾驶仪
您是否想过自动驾驶汽车如何“看到”道路？计算机视觉在帮助自动驾驶汽车感知和了解周围环境以便其正确运行方面发挥着关键作用。
计算机视觉中最令人兴奋的挑战之一是图像和视频中的对象检测。这涉及到查找和分类不同数量的对象，以区分它们是交通灯、汽车还是行人，如下图所示。
自动车辆目标检测。
此类技术与传感器和/或雷达等来源的数据分析相结合，使汽车能够“看到”。
图像对象检测是前面讨论过的一项复杂而强大的任务。请参见
有关从人机交互角度探讨此主题的其他文章，请参阅
保险
计算机视觉在保险行业的应用，特别是在理赔处理方面，影响很大。
计算机视觉应用程序可以以视觉格式指导客户完成索赔文件流程。图像被实时分析并发送给相关保险公司。同时，您可以估算和调整维护成本、确定保险范围，甚至检测保险欺诈。所有这些都尽可能加快索赔流程，并为您的客户提供更好的体验。
从预防的角度来看，计算机视觉对于预防事故非常有用。许多可用于防止碰撞的计算机视觉应用正在集成到工业机械、汽车和无人机中。这是风险管理的新时代，可能会改变整个保险业。
农业
计算机视觉对农业，尤其是精准农业有着重大影响。
与食品生产相关的全经济活动有各种有价值的计算机视觉应用。粮食生产面临着一些反复出现的挑战，这些挑战以前通常由人类监测。计算机视觉算法现在可以检测或合理预测害虫和疾病。这种早期诊断有助于农民快速采取适当行动，减少损失并确保生产质量。
另一个长期挑战是杂草控制。杂草会对除草剂产生抗药性，给农民造成重大损失。现在有配备计算机视觉技术的机器人，可以监控整个田地并精确喷洒除草剂。这大大节省了农药的使用量，为全环境和生产成本带来巨大效益。
土壤质量也是农业的一个重要因素。一些计算机视觉应用程序可以通过手机照片识别土壤中的潜在缺陷和营养缺乏。经过分析后，这些应用程序提供土壤修复技术以及针对检测到的土壤题的可能解决方案。
计算机视觉也可用于分类。一些算法通过识别关键特征对水果、蔬菜甚至花卉进行分类。算法还可以检测缺陷并估计哪些产品的保质期更长以及哪些产品应该在当地市场销售。这显着延长了产品的保质期并减少了到达市场所需的时间。
安全
与零售业一样，具有高安全要求的企业可以受益于计算机视觉应用程序，这些应用程序通过分析安全摄像头捕获的图像来识别客户。
在另一个层面上，计算机视觉是国土安全任务中使用的强大工具。它可用于改善港口的货物检查或监控敏感地点，如大使馆、发电厂、医院、铁路和场。在这里，计算机视觉不仅可以对图像进行分析和分类，还可以提供场景的详细且有意义的描述，为实时决策提供关键要素。
一般来说，计算机视觉广泛应用于敌方地形侦察、图像中敌军自动识别、车辆和机器自动移动以及搜索救援等防御任务。
常见的计算机视觉任务
这是如何通过高度复制人类视觉系统来实现的？
计算机视觉基于多种任务，这些任务结合起来可实现非常复杂的应用程序。计算机视觉中最常见的任务是图像和视频识别，其中涉及确定图像中包含的各种对象。
图像分类
也许计算机视觉中最著名的任务是图像分类，它涉及对给定图像进行分类。让我们看一个简单的二元分类示例。我们希望根据图像是否包含旅游景点对图像进行分类。假设我们想要为此任务构建一个分类器并提供了一张图像。
艾菲尔铁塔
分类器认为上面的图像属于包含旅游景点的图像类别。然而，这并不意味着分类器识别出了埃菲尔铁塔。您可能刚刚看到了宝塔的照片，并听说该图像包含当时的旅游景点。
巴黎旅游景点明信片。
该分类器的更强大版本可以处理多个类别。例如，分类器将图像分类为特定类型的旅游景点，例如埃菲尔铁塔、凯旋门或圣心大教堂。
No Comment