计算机视觉 (CV)

计算机视觉（CV）是人工智能（AI）的一个变革性领域。 人工智能 (AI) 使计算机能够感知、解释和理解视觉世界。通过处理数字图像、视频和其他视觉输入 机器可以提取有意义的信息，并根据分析结果采取行动或提出建议。 分析。人类视觉依靠眼睛和大脑来即时理解周围环境，而计算机视觉则 则采用先进的软件和 机器学习 (ML)算法来复制这种能力，使系统能够自动 计算机视觉利用先进的软件和机器学习（ML）算法复制这种能力，使系统能够自动执行以前需要人眼才能完成的任务。

计算机视觉的工作原理

计算机视觉的核心是 模式识别技术来理解视觉 数据。早期的尝试包括手动编码规则来定义对象，但现代计算机视觉是由 深度学习（DL）和大量训练数据的驱动。 数据的驱动。目前最常用的架构是 卷积神经网络 (CNN)，它逐个像素地处理图像。这些网络可在初始层识别边缘和纹理等低层次特征，并将其与复杂的图像识别结合起来。 这些网络在初始层中识别边缘和纹理等低层次特征，然后将它们结合起来，在更深的层中识别复杂的概念，如人脸或车辆。这一过程 需要大量标注数据集来教模型如何有效区分不同类别。 有效区分不同类别。

计算机视觉的核心任务

计算机视觉不是一个单一的动作，而是一系列解决不同问题的具体任务：

• 物体检测：这项任务包括 识别和定位图像或视频流中的物体。它绘制 在检测到的物体周围画出边界框，并为其分配一个类标签，如 "人 "或 "自行车"。 类标签，如 "人 "或 "自行车"。
• 图像分类：该 系统会分析整幅图像，并根据图像的主要内容为其指定一个标签。例如 将照片分类为 "风景 "或 "肖像"。
• 实例分割：比 检测更深入，它能精确地识别每个对象的完美像素轮廓，将同一类别的单个实例从背景中分离出来。 从背景中分离出来。
• 姿势估计：这种技术可检测 人物身上的特定关键点，如人体上的关节，以实时track 运动和姿势。

计算机视觉与图像处理

计算机视觉与数字图像处理 数字图像处理相混淆，但它们的目的是不同的。图像处理侧重于对输入图像进行处理，以提高图像质量或提取信息，而不一定要 "理解 "图像。 或提取信息，而不一定要 "理解 "图像。常见的例子包括调整亮度、 应用滤镜或降噪。与此形成鲜明对比的是 CV 侧重于图像理解，其目标是模仿人类认知来解释图像所代表的内容。

实际应用

计算机视觉的应用几乎遍及所有行业，提高了效率和安全性：

• 医疗诊断： 医疗专业人员使用 CV 分析 X 射线、核磁共振成像和 CT 扫描。算法可以detect 异常情况，如 肿瘤 高精度，通常可帮助医生进行早期诊断。
• 智慧农业：农民 利用无人机图像和 CV 模型监测作物健康状况、detect 害虫并自动收割。系统包括 实时作物监测 等系统有助于优化产量，减少资源浪费。
• 自动驾驶汽车： 自动驾驶汽车在很大程度上依赖 CV 来导航道路。它们处理来自多个摄像头的输入，以执行 交通标志检测、行人跟踪和车道保持。
• 生产质量控制： 装配线上的自动检测系统能比人工检测人员更快、更准确地识别产品缺陷 更准确地识别出产品中的缺陷，确保始终如一的 质量控制。

使用YOLO11实现计算机视觉

开发人员可以使用 ultralytics Python 软件包。下面的示例 演示了如何加载 YOLO11 型号-的最新 最新稳定版本，建议用于所有标准使用情况，以detect 图像中的物体。

from ultralytics import YOLO

# Load the pretrained YOLO11 model (nano version for speed)
model = YOLO("yolo11n.pt")

# Run inference on an online image
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results to see bounding boxes and labels
results[0].show()

关键工具和库

CV 生态系统由强大的开源库提供支持。 OpenCV是一个基础库，为实时计算机视觉提供了数千种算法。 实时计算机视觉。在构建和训练深度学习模型方面，诸如 PyTorch和 TensorFlow等框架是行业 标准。Ultralytics 在这些基础上提供了易于部署的先进模型。 展望未来，Ultralytics Ultralytics 平台提供了一个 展望未来，Ultralytics 平台将为管理从数据管理到部署的整个 Vision AI 生命周期提供全面的环境。