AI在計(jì)算機(jī)視覺(jué)中的應(yīng)用

對(duì)象識(shí)別

計(jì)算機(jī)視覺(jué)AI的這個(gè)分支涉及檢測(cè)圖像或視頻中的一個(gè)或多個(gè)事物。例如，監(jiān)控?cái)z像頭可以智能地識(shí)別人類(lèi)及其活動(dòng)（沒(méi)有運(yùn)動(dòng)，槍支或刀具等東西），因此這些可疑活動(dòng)被標(biāo)記。

圖像分割

圖像分割是一種像素級(jí)計(jì)算機(jī)視覺(jué)技術(shù)，用于確定給定圖像中的內(nèi)容。它不同于圖像識(shí)別（使用一個(gè)或多個(gè)標(biāo)簽標(biāo)記完整圖像）和對(duì)象檢測(cè)（通過(guò)在圖像周?chē)鷦?chuàng)建邊界框來(lái)定位圖像內(nèi)的內(nèi)容）。圖像分割提供有關(guān)圖像內(nèi)容的更細(xì)粒度的信息。

圖像分類(lèi)

圖像分類(lèi)是根據(jù)圖像周?chē)囊曈X(jué)內(nèi)容對(duì)圖像進(jìn)行分類(lèi)的過(guò)程。該過(guò)程需要專(zhuān)注于相鄰像素之間的關(guān)系。具有預(yù)定模式的數(shù)據(jù)庫(kù)組成了分類(lèi)系統(tǒng)。

將這些模式與已識(shí)別的對(duì)象進(jìn)行比較以確定其分類(lèi)。車(chē)輛導(dǎo)航、生物測(cè)量、視頻監(jiān)控、生物醫(yī)學(xué)成像等領(lǐng)域都受益于圖像分類(lèi)。

實(shí)時(shí)增強(qiáng)
 增強(qiáng)現(xiàn)實(shí)應(yīng)用嚴(yán)重依賴(lài)計(jì)算機(jī)視覺(jué)。該技術(shù)使AR應(yīng)用程序能夠?qū)崟r(shí)檢測(cè)物理事物（物理位置內(nèi)的表面和單個(gè)物體），并利用這些數(shù)據(jù)在物理環(huán)境中定位虛擬物體。

面部識(shí)別
 面部識(shí)別技術(shù)的目標(biāo)是識(shí)別照片中的物品或人臉。由于人臉的多樣性-表情，態(tài)度，膚色，相機(jī)質(zhì)量，位置或方向，圖像分辨率等-它是計(jì)算機(jī)視覺(jué)更困難的應(yīng)用之一。

然而，這種方法被廣泛采用。它用于在智能手機(jī)上對(duì)用戶(hù)進(jìn)行身份驗(yàn)證。當(dāng)Facebook為照片中的人物建議標(biāo)簽時(shí)，它采用了相同的方法。

識(shí)別模式和識(shí)別邊緣

系統(tǒng)發(fā)現(xiàn)屬性或數(shù)據(jù)模式的能力稱(chēng)為模式識(shí)別。模式可以是循環(huán)數(shù)據(jù)序列或已添加到系統(tǒng)中的一組數(shù)據(jù)。

在圖片中查找對(duì)象的邊緣就是邊緣檢測(cè)的全部?jī)?nèi)容。這是通過(guò)檢測(cè)亮度不連續(xù)性來(lái)實(shí)現(xiàn)的。在數(shù)據(jù)提取和圖像分割中，邊緣檢測(cè)非常有用。

農(nóng)業(yè)

許多農(nóng)業(yè)公司使用計(jì)算機(jī)視覺(jué)來(lái)監(jiān)測(cè)收成并處理常見(jiàn)的農(nóng)業(yè)問(wèn)題，如雜草生長(zhǎng)和養(yǎng)分不足。計(jì)算機(jī)視覺(jué)系統(tǒng)分析來(lái)自衛(wèi)星、無(wú)人機(jī)和飛機(jī)的照片，以便及早發(fā)現(xiàn)問(wèn)題，從而避免可避免的經(jīng)濟(jì)損失。