计算机视觉 (CV)

计算机视觉 (CV) 是人工智能 (AI)的一个领域，它训练计算机来解释和理解视觉世界。通过使用来自相机、视频和深度学习模型的数字图像，机器可以准确地识别和分类物体，然后对它们“看到”的东西做出反应。其目标是使计算机能够复制人类的视觉，这是一项涉及处理和分析大量视觉数据以理解其含义的任务。由于深度学习的进步和大型数据集的可用性，该领域发展迅速。

计算机视觉的工作原理

计算机视觉通过将机器学习 (ML)算法应用于视觉数据来实现。CV模型不是通过显式编程来识别对象，而是学习从数千或数百万个标记图像中识别模式。例如，要训练一个模型来识别猫，需要向其输入无数张猫的图像，直到它可以自行区分猫的特征。

现代计算机视觉严重依赖于深度学习模型，尤其是卷积神经网络 (CNN)。 CNN是一种神经网络，在处理图像数据方面非常有效。 它的工作原理是将滤波器（或卷积核）应用于图像以创建特征图，这些特征图突出显示重要的特征，如边缘、纹理和形状。 这些网络为许多常见的计算机视觉任务提供支持，使机器能够以越来越高的精度分析视觉信息。

计算机视觉与图像处理

虽然密切相关，但计算机视觉和图像处理并不相同。图像处理是 CV 的一个子集，专注于处理数字图像以增强它们或提取有用的信息。它涉及锐化、模糊或过滤图像等操作。相比之下，计算机视觉更进一步，旨在解释和理解图像的内容。例如，图像处理可能用于提高照片的质量，而计算机视觉将用于识别照片中的人物、物体和场景。您可以在这篇详细的 数字图像处理概述 中了解更多关于区别的信息。

计算机视觉中的关键任务

计算机视觉包含几个关键任务，这些任务允许机器分析和解释视觉数据：

• 目标检测: 这涉及识别和定位图像或视频中的对象。 像Ultralytics YOLO这样的模型在每个检测到的对象周围绘制一个边界框，并为其分配一个类别标签。
• 图像分类: 此任务涉及从预定义的类别集中为整个图像分配一个标签。例如，将图像分类为包含“猫”或“狗”。
• 图像分割: 与对象检测不同，分割对图像中的每个像素进行分类。它提供了对图像内容的更详细的理解。子任务包括 实例分割和 语义分割。
• 姿态估计（Pose Estimation）：用于确定人员或物体在空间中的位置和方向。它广泛应用于机器人技术（robotics）、增强现实和人类活动分析。
• 目标跟踪: 此任务涉及在视频序列中随时间跟踪一个或多个对象。 这对于监视和自主导航等应用至关重要。

实际应用

计算机视觉应用在各个领域日益普及：

• 自动驾驶汽车: 计算机视觉 (CV) 对于自动驾驶汽车至关重要，使它们能够感知周围环境、检测行人和其他车辆、读取交通标志并安全导航。像 Waymo 和 Tesla 这样的公司严重依赖 CV 系统。了解更多关于汽车人工智能解决方案的信息。
• 医疗保健（Healthcare）： 在医学图像分析中，计算机视觉（CV）帮助放射科医生检测X射线、CT扫描和MRI中的肿瘤或骨折等异常情况。它还用于机器人手术和患者监护。阅读更多关于其影响的信息，请参见Radiology: Artificial Intelligence。您还可以了解YOLO11如何用于肿瘤检测。
• 安全与监控： 计算机视觉技术为自动化监控系统提供支持，用于检测入侵、跟踪人员和分析人群行为。请参阅我们关于如何构建安全警报系统的指南。
• 零售： 应用包括通过货架监控进行库存管理、客户行为分析以及像Amazon Go这样的无人收银结账系统。
• 制造业: 计算机视觉 (CV) 用于质量控制、缺陷检测、装配线监控和机器人自动化。了解使用 YOLO11 制造智能制造解决方案。
• 农业： 这项技术通过作物监测、病害检测、杂草识别和自动收割来实现精准农业。阅读有关实时作物健康监测的信息。

工具和框架

各种工具和框架使开发和部署计算机视觉模型变得更加容易。诸如PyTorch（访问PyTorch官方网站）和TensorFlow（访问TensorFlow官方网站）之类的库是构建模型的基础。诸如OpenCV之类的开源库为实时计算机视觉提供了大量功能。

诸如 Ultralytics HUB 这样的平台简化了 CV 项目的整个生命周期，从管理 数据集 和 训练自定义模型 到 部署。使用像 ONNX 这样的标准化格式也有助于确保不同框架之间的互操作性。随着这些技术的成熟，它们将继续推动各行各业的创新。