计算机视觉 (CV)

计算机视觉 (CV) 是 人工智能 (AI) 的一个复杂领域，它使计算机和系统能够从数字图像、视频及其他视觉输入中提取有意义的信息。尽管人类视觉具有即时感知和理解周围环境的先天能力，但计算机必须经过训练才能识别模式和解释像素。通过利用 机器学习 (ML)，特别是 深度学习 (DL) 算法，CV 系统可以获取视觉数据，对其进行处理，并根据这些信息提出建议或采取行动。

计算机视觉的工作原理

从本质上讲，计算机将图像视为代表像素的数值数组。现代 CV 严重依赖 卷积神经网络 (CNN)，这些网络旨在模仿人脑中神经元的连接模式。这些网络通过一个称为 特征提取 的过程，学习识别特征的层次结构——从简单的边缘和纹理到复杂的形状和物体。

为了有效运行，这些模型需要大量的训练数据。例如，要识别一辆汽车，模型需要处理数千张在各种条件下标注的汽车图像。Ultralytics Platform等工具简化了这一工作流程，允许用户标注数据集、在云端训练模型并高效部署它们。

计算机视觉的核心任务

计算机视觉并非单一功能，而是由一系列不同的任务组成，每个任务解决一个特定问题：

• Image Classification: 此任务为整个图像分配一个类别标签，回答“这张图片里有什么？”的问题（例如，区分猫和狗）。
• 目标检测: 更进一步，检测识别图像中的不同对象并在其周围绘制边界框。这对于计数物品或定位特定特征至关重要。
• Instance Segmentation: 这为每个detect到的对象提供了精确的像素级遮罩，分离出同一类别的单个实例。这对于需要高精度的应用至关重要，例如分析医学图像。
• 姿势估计: 这涉及detect对象上的特定关键点，例如人体的关节，以track运动和姿势。

实际应用

计算机视觉的实用性几乎涵盖所有行业，自动化了以前需要人眼完成的任务。

• 制造与质量控制：在工业环境中，计算机视觉（CV）通常被称为 机器视觉。它用于自动化 质量检测，比人工检测员更快、更准确地 detect 流水线上产品中的微小缺陷。例如，AI 制造能够实时监控设备以防止故障发生。
• 自动驾驶运输：自动驾驶汽车完全依赖计算机视觉（CV）安全导航。通过处理来自摄像头和 LiDAR传感器 的输入，这些车辆执行 3D目标检测，实时识别行人、其他车辆和交通标志。这是实现高水平 车辆自动化 的关键组成部分。
• 医疗保健和诊断：放射科医生利用计算机视觉（CV）辅助识别X射线、MRI和CT扫描中的异常。医疗AI通过突出肉眼可能遗漏的感兴趣区域，协助早期疾病检测，例如识别肿瘤。

计算机视觉与图像处理

将 CV 与 图像处理 区分开来很重要，尽管它们经常协同工作。

• 图像处理涉及对图像进行操作以增强其效果或从中提取信息（例如，调整亮度、对比度，或应用Adobe Photoshop中的滤镜）。输出通常是另一张图像。
• 计算机视觉将图像作为输入并输出信息或解释（例如，“这个房间里有三个人”）。CV使用图像处理技术来准备图像，供Neural Networks分析。

使用 python 实现计算机视觉

现代库使得实现强大的 CV 模型变得易于访问。以下示例演示了如何加载最先进的 YOLO26 模型来 detect 图像中的物体 ultralytics 包装

from ultralytics import YOLO

# Load the YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

# Run inference on a standard example image
# The model identifies objects and their locations
results = model("https://ultralytics.com/images/bus.jpg")

# Display the resulting image with bounding boxes
results[0].show()

这个简单的脚本利用预训练模型执行复杂的 inference 任务，展示了现代 AI 工具的易用性。对于希望超越静态图像的开发者来说，计算机视觉（CV）也为安全和体育分析中使用的 Video Understanding 和实时 tracking 系统提供了支持。通过与 OpenCV 等库集成，开发者可以构建捕获、处理和分析视觉世界的综合应用程序。