計(jì)算機(jī)視覺(jué)是一個(gè)研究領(lǐng)域，旨在助力計(jì)算機(jī)使用復(fù)雜算法（可以是傳統(tǒng)算法，也可以是基于深度學(xué)習(xí)的算法）來(lái)理解數(shù)字圖像和視頻并提取有用的信息。
什么是計(jì)算機(jī)視覺(jué)？
計(jì)算機(jī)視覺(jué)的主要目標(biāo)是，先理解視頻和靜止圖像的內(nèi)容，然后從中收集有用的信息，以便解決越來(lái)越多的問(wèn)題。作為人工智能 (AI) 和深度學(xué)習(xí)的子領(lǐng)域，計(jì)算機(jī)視覺(jué)可訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò) (CNN)，以便針對(duì)各種應(yīng)用場(chǎng)合開發(fā)仿人類視覺(jué)功能。計(jì)算機(jī)視覺(jué)包括對(duì) CNN 進(jìn)行特定訓(xùn)練，以便利用圖像和視頻進(jìn)行數(shù)據(jù)分割、分類和檢測(cè)。
卷積神經(jīng)網(wǎng)絡(luò) (CNN) 能夠針對(duì)多種應(yīng)用場(chǎng)合執(zhí)行分割、分類和檢測(cè)：
- 分割：圖像分割是指將像素歸類為特定類別，如汽車、道路或行人。它廣泛用于自動(dòng)駕駛汽車應(yīng)用（包括 NVIDIA DRIVE? 軟件堆棧），用于顯示道路、汽車和人員。您可以將其想象成一種可視化技術(shù)，該技術(shù)能夠使人們更容易理解計(jì)算機(jī)的工作。
- 分類：圖像分類用于確定圖像中的內(nèi)容。例如，神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)訓(xùn)練后能夠識(shí)別狗或貓，或者許多其他東西，并且具有高精確度。
- 檢測(cè)：通過(guò)圖像檢測(cè)，計(jì)算機(jī)可以定位對(duì)象的位置。在許多應(yīng)用中，CNN 會(huì)在相關(guān)區(qū)域周圍設(shè)置矩形邊界框，將對(duì)象完全包含在內(nèi)。檢測(cè)器也可以接受訓(xùn)練，以便檢測(cè)圖像中汽車或人員的位置。
計(jì)算機(jī)視覺(jué)為何重要？
在體育、汽車、農(nóng)業(yè)、零售、銀行、施工和保險(xiǎn)等行業(yè)，計(jì)算機(jī)視覺(jué)應(yīng)用非常廣泛。得益于目前機(jī)器用于識(shí)別物體的圖像處理器 – 卷積神經(jīng)網(wǎng)絡(luò) (CNN)，各種由 AI 驅(qū)動(dòng)的機(jī)器紛紛開始采用仿人眼技術(shù)來(lái)獲得更多助力。CNN 已成為當(dāng)今自動(dòng)駕駛汽車、石油勘探和聚變能源研究領(lǐng)域的“眼睛”。它們還有助于在醫(yī)學(xué)成像領(lǐng)域快速發(fā)現(xiàn)疾病并挽救生命。
數(shù)十年來(lái)，傳統(tǒng)的計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)已經(jīng)應(yīng)用于眾多應(yīng)用和研究工作。然而，現(xiàn)代 AI 技術(shù)采用人工神經(jīng)網(wǎng)絡(luò)，能夠?qū)崿F(xiàn)更高的性能準(zhǔn)確性；高性能計(jì)算依托 GPU 取得長(zhǎng)足進(jìn)步，實(shí)現(xiàn)超人的準(zhǔn)確性，從而在運(yùn)輸、零售、制造、醫(yī)療健康和金融服務(wù)等行業(yè)廣泛應(yīng)用。
在將圖像和視頻分類為精細(xì)離散的類別和分類方面，如同醫(yī)學(xué)計(jì)算機(jī)軸向斷層掃描或 CAT 掃描中隨時(shí)間推移而產(chǎn)生的微小變化，傳統(tǒng)或基于 AI 的計(jì)算機(jī)視覺(jué)系統(tǒng)遠(yuǎn)勝于人類。在這個(gè)意義上，計(jì)算機(jī)視覺(jué)將人類有可能完成的任務(wù)自動(dòng)化，但其準(zhǔn)確性和速度要高得多。
當(dāng)前和潛在的應(yīng)用多種多樣，因此計(jì)算機(jī)視覺(jué)技術(shù)和解決方案的增長(zhǎng)預(yù)測(cè)相當(dāng)驚人，這點(diǎn)不足為奇。一項(xiàng)市場(chǎng)調(diào)研表明，到 2023 年，該市場(chǎng)將以驚人的 47% 的年增長(zhǎng)率增長(zhǎng)，屆時(shí)將在全球達(dá)到 250 億美元。在整個(gè)計(jì)算機(jī)科學(xué)范疇內(nèi)，計(jì)算機(jī)視覺(jué)是熱門、活躍的研發(fā)領(lǐng)域之一。
文章來(lái)源：https://www.nvidia.cn/glossary/data-science/computer-vision/
