8、基于机器学习的计算机视觉系统构建指南

基于机器学习的计算机视觉系统构建指南

1. 计算机视觉简介

计算机视觉（CV）赋予计算机捕获、分析图像并从中得出解释和结论的能力。它可应用于图像检测、识别任务，以及识别图像中的模式或对象。当人工智能（AI）系统处理图像时，会经历一系列流程：图像摄取、处理、特征提取和解释，实现图像在不同系统组件间的转换，使机器能识别模式和检测对象。

1.1 计算机视觉流程

计算机视觉流程包含以下步骤：
1. 图像摄取 ：捕获图像，将其转换为数字格式并存储在计算机磁盘上。对于视频，会摄取并存储数字帧，可从磁盘读取或直接从相机获取。
2. 图像转换 ：摄取后，图像会进行各种预处理转换以实现标准化，包括调整大小、颜色处理、平移、旋转、裁剪，以及二值化、阈值处理、梯度检测和边缘检测等高级技术，确保图像在大小、形状和颜色模式上的一致性。
3. 特征提取 ：这是视觉流程中的关键步骤，需要从图像中识别并提取相关特征。优质的特征集对准确的机器学习结果至关重要。
4. 机器学习算法 ：该流程分两个阶段使用机器学习算法。第一阶段，使用大型数据集训练算法，得到训练好的模型；第二阶段，将新数据集输入训练好的模型以进行结果或类别的预测，此阶段称为预测阶段。
5. 输出生成 ：视觉流程的最终组件是期望的输出，代表视觉系统的最终目标。

graph LR
    A[图像摄取] --> B[图像转换]