计算机视觉（CV）

计算机视觉（CV）是人工智能（AI）的一个专业领域，它使计算机和系统能够从数字图像、视频和其他视觉输入中获取有意义的信息。从本质上讲，它旨在复制人类的视觉理解能力，让机器能够 "看到"、解释并根据视觉数据做出决策。这需要使用复杂的算法和深度学习（DL）模型来处理视觉信息，从而识别物体、理解场景并提取高层次的见解。简单的图像处理主要侧重于增强或处理图像数据（如调整亮度或应用滤镜），而计算机视觉则不同，它寻求理解视觉中的内容和上下文。

人工智能和机器学习的重要性

计算机视觉是许多现代人工智能和机器学习（ML）系统的基础，它为机器通过视觉感知与物理世界进行交互和理解物理世界提供了必要的能力。受人类视觉皮层的启发，卷积神经网络（CNN）等技术的出现彻底改变了计算机视觉。这些网络允许模型从大量视觉数据中自动学习分层特征，从而显著提高了各种计算机视觉任务的准确性。这一进步使得以前无法实现的复杂应用得以实现，从而使 CV 成为当前人工智能发展的基石，并成为改变我们未来的人工智能用例的关键驱动力。

关键概念和任务

计算机视觉包含一系列旨在从视觉数据中提取不同类型信息的任务。一些核心任务包括

• 图像分类：为整幅图像指定一个标签或类别（例如，将图像识别为包含 "猫 "或 "狗"）。ImageNet等数据集通常用于这项任务。
• 物体检测：识别图像中多个物体的存在和位置，通常是在物体周围绘制边框并指定类别标签（例如，在街道场景中定位所有 "汽车 "和 "行人"）。像 Ultralytics YOLO等模型被广泛用于高效的物体检测。
• 图像分割：将图像中的每个像素归类为某个物体或区域。这比物体检测提供了更详细的了解。类型包括语义分割（按类别标记像素）和实例分割（区分同一类别中的单个对象实例）。请参阅实例分割和跟踪指南。
• 姿势估计：检测物体关键点的位置和方向，通常用于人体姿势估计（识别关节）或跟踪刚性物体。了解狗姿态估计的定制训练。
• 物体跟踪：在视频序列的多个帧中识别并跟踪特定物体。它将物体检测与时间分析相结合。使用Ultralytics YOLOv8 探索物体检测和跟踪。
• 光流：估计视频中连续帧之间物体或摄像机的运动。

计算机视觉与相关领域

将计算机视觉与相关学科区分开来很有帮助：

• 图像处理：侧重于在较低层次处理图像，通常作为 CV 的预处理步骤。任务包括降噪、对比度增强以及使用OpenCV 等库进行过滤。图像处理修改像素，但不一定解释图像内容。了解更多有关计算机视觉和图像处理之间主要区别的信息。
• 机器视觉（MV）：虽然与 CV 有重叠，但 MV 通常是指在工业环境中应用视觉技术进行自动检测、流程控制和机器人引导。MV 系统通常在受控环境中运行，具有特定的照明和摄像头设置，重点关注可靠性和速度，以完成特定任务，如制造业中的质量检测。有关机器视觉的更多信息。

技术和框架

开发计算机视觉应用依赖于各种工具、库和框架：

• 库： OpenCV（开源计算机视觉库）是一个基础库，为图像处理和传统 CV 任务提供了大量算法。其他库包括用于Python 图像处理的Pillow和用于图像处理算法的Scikit-image。
• 深度学习框架： PyTorch和 TensorFlow是构建和训练深度学习模型（包括在 CV 中使用的模型）的主要框架。
• 模型：最先进的模型，如YOLO （只看一次），可提供高效的实时物体检测。像ResNet这样的架构是常见的骨干网，而视觉转换器（ViT）则代表了一类日益突出的新型模型。比较不同YOLO 模型的性能。
• 平台： Ultralytics HUB等工具可简化 CV 模型的训练、部署和管理过程，并提供云训练和数据集管理等功能。其他平台如 Roboflow和 Weights & Biases等平台为数据注释和实验跟踪提供了补充工具。

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。探索汽车领域的人工智能解决方案。
• 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。请参阅《放射学》的研究：人工智能。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，可检测入侵、跟踪个人和分析人群行为。了解如何构建安全警报系统。
• 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：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：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。
• 娱乐：在电影制作中用于特效和动作捕捉，在游戏中用于创造身临其境的体验。探索视频游戏中的人工智能。