1、计算机视觉：挑战、进展与知识体系

计算机视觉：挑战、进展与知识体系

计算机视觉的挑战与可能

计算机视觉的目标是从图像中提取有用信息，但这是一项极具挑战性的任务。视觉数据的复杂性是主要难题之一。例如在一个包含众多物体的场景图像中，几乎所有物体都部分被遮挡，且物体很少以“典型”姿态呈现，计算机很难确定一个物体的结束和另一个物体的开始。像天空和背景中白色建筑的边界处，图像亮度几乎没有变化；而前景中SUV后窗处虽有明显亮度变化，但并非物体边界或材质变化导致。

不过，我们自身的视觉系统能轻松处理复杂图像，这证明了视觉的可行性。比如，我们能轻松数出图像中的树木数量、勾勒街道布局，甚至通过提取人物种族、汽车和树木类型、天气等细微视觉线索，在世界地图上确定照片拍摄地点。

计算机视觉虽有挑战，但并非不可能。我们在观察场景时，大脑已经对视觉信息进行了高度处理。例如，在强光下观察一块煤，再到昏暗室内看一张白纸，眼睛从煤接收到的单位面积光子数远多于白纸，但我们仍会认为煤是黑色，纸是白色。而在构建视觉算法时，我们无法利用这种预处理优势。

计算机视觉的进展与原因

近年来，计算机视觉取得了显著进展。过去十年，消费级计算机视觉技术首次大规模应用。如今，大多数数码相机都嵌入了人脸检测算法，微软Kinect作为能实时跟踪人体的外设，还创下了最快销售的消费电子设备吉尼斯世界纪录。

计算机视觉快速发展有几个原因：
1. 计算机性能提升 ：计算机的处理能力、内存和存储容量大幅增加。早期计算机视觉先驱若要在内存中存储一张高分辨率图像，都需要专门的硬件。
2. 机器学习的广泛应用 ：过去20年，机器学