计算机视觉（CV）

计算机视觉（CV）是人工智能（AI）的一个领域，它训练计算机解释和理解视觉世界。通过使用来自相机、视频的数字图像和深度学习模型，机器可以准确地识别物体并对其进行分类，然后对其 "所见 "做出反应。其目标是让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并使其具有意义的任务。得益于深度学习的进步和大量数据集的可用性，这一领域发展迅速。

计算机视觉如何工作

计算机视觉的工作原理是将机器学习（ML）算法应用于视觉数据。计算机视觉模型不是通过明确编程来识别物体，而是从数千或数百万张标注图像中学习识别模式。例如，要训练一个识别猫的模型，需要给它输入无数张猫的图像，直到它学会自己分辨猫的特征为止。

现代 CV 严重依赖深度学习模型，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。它通过对图像应用滤波器（或内核）来创建特征图，突出边缘、纹理和形状等重要特征。这些网络为许多常见的计算机视觉任务提供了支持，使机器分析视觉信息的准确性不断提高。

计算机视觉与图像处理

虽然计算机视觉与图像处理密切相关，但两者并不相同。图像处理是计算机视觉的一个子集，侧重于处理数字图像以增强图像效果或提取有用信息。它涉及锐化、模糊或过滤图像等操作。相比之下，计算机视觉则更进一步，旨在解释和理解图像的内容。例如，图像处理可用于提高照片的质量，而计算机视觉可用于识别照片中的人、物体和场景。您可以从数字图像处理的详细概述中了解更多有关区别的信息。

计算机视觉的关键任务

计算机视觉包含几项关键任务，可让机器分析和解释视觉数据：

• 物体检测：这包括识别和定位图像或视频中的物体。像Ultralytics YOLO这样的模型会在每个检测到的物体周围画一个边界框，并为其分配一个类别标签。
• 图像分类：这项任务包括从一组预定义的类别中为整幅图像指定一个标签。例如，将图像分类为包含 "猫 "或 "狗"。
• 图像分割：与物体检测不同，分割是对图像中的每个像素进行分类。它能更详细地了解图像的内容。子任务包括实例分割和语义分割。
• 姿势估计：用于确定人或物体在空间中的位置和方向。它广泛应用于机器人、增强现实和人类活动分析。
• 物体跟踪：这项任务涉及在视频序列中长时间跟踪一个或多个物体。它对监控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行各业日益普及：

• 自动驾驶汽车：CV 对自动驾驶汽车至关重要，它使汽车能够感知周围环境、探测行人和其他车辆、读取交通标志并安全导航。Waymo和特斯拉等公司都非常依赖 CV 系统。了解更多人工智能在汽车领域的应用。
• 医疗保健：在医学图像分析中，CV 可帮助放射科医生检测 X 光片、CT 扫描和核磁共振成像中的异常情况，如肿瘤或骨折。它还可用于机器人手术和病人监护。了解更多有关其对放射学的影响：人工智能。您还可以了解YOLO11 如何用于肿瘤检测。
• 安全与监控：CV 为自动监控系统提供动力，用于检测入侵、跟踪个人和分析人群行为。请参阅我们的指南，了解如何构建安防报警系统。
• 零售：应用包括通过货架监控进行库存管理、顾客行为分析以及亚马逊 Go 等无收银员结账系统。
• 制造业：CV 可用于质量控制、缺陷检测、装配线监控和机器人自动化。了解如何使用 YOLO11 制造智能制造解决方案。
• 农业：该技术通过作物监测、疾病检测、杂草识别和自动收割实现精准农业。了解实时作物健康监测。

工具和框架

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

Ultralytics HUB等平台简化了 CV 项目的整个生命周期，从管理数据集、训练自定义模型到部署。使用ONNX等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业的创新。