計算機視覺 - 簡介

什麼是計算機視覺？

計算機視覺是一門賦予計算機“看”和“理解”影像和影片的能力的科學。它專注於透過獲取、處理、分析和理解數字影像來複制人類視覺系統的一部分。

自計算機視覺誕生以來，它已經取得了長足的進步。以下是其發展歷程的簡要概述：

早期階段 (1960年代)：計算機視覺的早期階段始於1960年代，當時研究人員開始尋找讓機器理解圖片的方法。最初，演算法思想主要基於幾何形狀和模式識別。
特徵檢測與識別 (1970年代)：邊緣檢測和特徵提取技術領域的工作仍在繼續。研究人員設計了演算法來識別和識別簡單的形狀，為更高階的分析奠定了基礎。
機器學習時代 (1980-1990年代)：這個時代標誌著人們對機器學習的重視發生了轉變。統計模型首次被採用以增強目標識別。開發了更強大的演算法來處理影像中的真實變化。
神經網路：神經網路越來越受歡迎，尤其是在過去十年深度學習興起之後。卷積神經網路 (CNN) 的深度成為影像分類和目標檢測的強大工具之一，提高了精度和效率。
當前趨勢 (2010年代至今)：如今，計算機視覺是人工智慧研究和應用中的領先領域，影響著各個行業。當前的趨勢是由硬體發展（例如，GPU）和用於模型訓練的大型資料集的可用性驅動的。主要應用包括即時影片分析、人臉識別和自主系統。

計算機視覺在許多不同領域都有廣泛的應用，其中一些包括：

計算機視覺系統透過一系列步驟來處理和解釋視覺資料：

在計算機視覺中，初始階段是影像採集。影像採集簡單來說就是使用相機、智慧手機或其他專用感測器來捕獲影像。

此階段捕獲的影像質量對計算機視覺的後續部分有很大影響。

預處理是指在將資料饋送到演算法之前對其應用的轉換。

在 Python 中，我們通常使用scikit-learn庫執行預處理。該庫提供用於預處理資料的類sklearn.preprocessing。

許多現代目標檢測演算法依賴於將影像大小調整為預定大小作為其預處理步驟的一部分。我們將從影像中提取兩個特徵開始：影像中存在的線條和彩色畫素。為此，我們需要了解什麼是線以及什麼是畫素。

這裡首先需要理解的是，每當我們談到從影像中識別或提取某些內容時，這基本上意味著我們試圖匯出有關該事物的一些有意義的資訊（特徵）（例如高度、重量、座標）。我們不是在談論製造像休·傑克曼或湯姆·克魯斯這樣的三維人類！

例如，我們人類有眼睛，對吧？是的！但是自古以來，沒有人曾經開啟我們的頭骨來弄清楚我們的眼睛內部是什麼樣的……對吧？

特徵提取就是找到影像中那些有助於我們解決眼前問題的部分。一些常見的特徵包括：

目標檢測包括在影像中查詢物體並在其周圍繪製邊界框。目標識別更進一步，識別這些物體是什麼。使用的技術如下所示：

最後一步是解釋識別的物體並根據它們做出決策。這可能包括：

計算機視覺中使用各種技術來分析和解釋視覺資料：

儘管計算機視覺取得了進步，但它仍然面臨一些挑戰，這些挑戰可能會阻礙準確的影像分析和解釋：

列印頁面