Huggingface 计算机视觉社区教程 Unit1-04-什么是计算机视觉 机翻

什么是计算机视觉？

计算机视觉是让机器“看见”的科学和技术。它涉及到开发理论和算法，来获取、处理、分析和理解视觉数据，并利用这些信息生成对世界的有意义的表示、描述和解释。

深度学习和计算机视觉的复兴

计算机视觉的发展是一系列渐进式进步的体现，其中深度学习方法的广泛应用是一个重大飞跃。

• 传统方法： 早期方法需要先通过图像预处理技术手动提取图像特征，然后使用机器学习算法进行分析。这种方法虽然比硬编码规则简单，但仍然依赖于领域知识和耗时的特征工程。
• 深度学习的转变： 深度学习的出现让机器能够从原始数据中自动学习复杂的特征，从而能够构建更具适应性和更复杂的模型，这引发了该领域的“复兴”。

计算机视觉的种子在20世纪60年代就已经播下，早期的先驱们通过巧妙和“暴力”的方法实现了边缘检测和物体识别等突破。随着技术的进步，计算机视觉社区也呈指数级增长。开源项目和社区驱动的努力使尖端工具和技术普及，进一步推动了该领域的发展。

---

跨学科性与图像理解

计算机视觉与许多相邻领域（如图像分析）紧密相连。为了区分它们，引入了图像理解的概念，它分为三个层次：

• 低级处理： 对图像进行原始操作，例如锐化或改变对比度。输入和输出都是图像。这主要属于图像分析的范畴。
• 中级处理： 包括分割、物体描述和物体分类。输入是图像，但输出是与图像相关的属性。这部分是图像分析和计算机视觉的重叠部分。
• 高级处理： 理解图像的整体内容，例如物体识别、场景重建和图文转换。这些任务通常与人类认知相关，主要属于计算机视觉的范畴。

在实际应用中，了解这些差异很重要。有时，对简单的图像或数据不足的情况，使用经典的图像分析方法就足够了，不必动用复杂的深度学习模型，这可以节省时间和金钱。

---

计算机视觉任务概述

计算机视觉有许多具体任务，例如：

• 场景识别（Scene Recognition）
• 物体识别（Object Recognition）
• 物体检测（Object Detection）
• 分割（Segmentation）：包括实例分割和语义分割
• 跟踪（Tracking）
• 动态环境适应（Dynamic Environment Adaptation）
• 路径规划（Path Planning）

还有其他任务，比如图像描述（Image Captioning）、图像分类（Image Classification）、异常检测（Anomaly Detection）、**图像生成（Image Generation）**等。

任务复杂性

任务的复杂性不仅仅取决于任务本身看起来有多难，而是主要取决于数据的特性。例如，在光线不足、存在遮挡或图像分辨率低的情况下，即使是识别行人这样看似简单的任务，对计算机来说也可能变得异常复杂。因此，挑战常常在于视觉数据的复杂性以及提取有意义见解所需的计算方法。

应用与伦理

计算机视觉在社会中的应用越来越重要，同时也带来许多伦理考量。例如，用于癌症检测的模型如果误诊，会产生严重后果。此外，能够跟踪人员的监控技术也引发了隐私担忧。这些问题将在后续章节中详细讨论。