计算机视觉有哪些商业用途

最新推荐文章于 2022-11-02 10:35:21 发布

小白学视觉

最新推荐文章于 2022-11-02 10:35:21 发布

阅读量779

点赞数 1

文章标签：大数据编程语言 python 计算机视觉机器学习

本文链接：https://blog.youkuaiyun.com/qq_42722197/article/details/109324559

版权

本文介绍了计算机视觉的概念，以及它的工作原理。通过深度学习的发展，计算机视觉在图像分类方面取得了显著进步，但仍然存在对抗性攻击的挑战。文章讨论了研究计算机视觉的原因，包括减少人为错误和提高效率。计算机视觉主要任务包括图像分类、对象检测等，并介绍了相关数据集和模型。最后，探讨了计算机视觉在制造业、医疗、文档和多媒体、零售监控以及卫星图像等领域的商业应用，强调了企业在实施计算机视觉项目时应考虑的数据、注释、问题表述等因素。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

01.计算机视觉概论

什么是计算机视觉？为什么值得我们花时间去了解？它是怎么工作的？什么样的应用程序有商业价值？今天我们就一起来看看这个问题吧。

什么是计算机视觉？

计算机视觉指使用计算机自动执行人类视觉系统可以完成的任务。与人眼从外部环境接收光刺激类似，计算机使用数码相机接受这一信息，输入信息在大脑中进行处理，计算机则是使用某一种算法来处理获得的图像。

人眼与计算机的眼睛

目前的技术已经解决了获取图像不准确的问题，而且在过去的十年中也已经解决了数字图像中的标注工作。在2012年版的ILSVRC（ImageNet大型视觉识别挑战赛）中，来自世界各地的挑战研究小组在1000对象类在其ImageNet数据集中的超过一万张图片进行分类，深度学习在图像分类中也首次获得了第一名。

AlexNet [2]深度学习方法（第一作者Alex Krizhevsky）由多伦多大学SuperVision团队提出。他们利用了卷积神经网络（CNN）架构获得亚军！相比之下，Andrej Karpathy训练的图像分类器，获得了5.1％的错误率。2014年的最佳方法GoogLeNet [3]，而且Karpathy本人指如果不好好训练的话图像分类器表现要差得多。显然，并非所有人都对大型模式识别有耐心和训练：

这是否意味着计算机现在能够像人类一样“看见”？答案当然不是。2015年，研究人员发现，许多先进的计算机视觉模型都容易受到恶意设计的高频模式的攻击，这些模式被称为“对抗性攻击”[4]，从而诱骗模型修改其预测而我们却发现不了。

向“熊猫”添加高频“线虫”噪声会诱使网络预测“长臂猿”

这是另一个对抗性攻击如何欺骗计算机视觉算法的幽默示例。麻省理工学院的研究人员开发了一种特殊的图案，将它们放在专门设计的玩具乌龟上，以欺骗网络以预测“步枪”。

为什么要研究机器视觉？

除了对抗性攻击之外，还有高度专业化的研究人员，为什么我们还要关心计算机视觉？与Andrej Karpathy原因相同-大规模视觉识别需要大量的训练和时间。最终，仍然会有人为错误。根据Karpathy在ILSVRC中与计算方法竞争的单一经验，他已经放弃了以下想法：

l将任务外包给多个人以赚钱（例如，将其外包给Amazon Mechanical Turk上的付费本科生或付费贴标商）

l将任务外包给无薪的学术研究人员

最后，Karpathy决定独自执行所有任务，以减少标签不一致问题。Karpathy说，他花了大约1分钟的时间才能在较小的测试集中识别出1,500张图像中的每张图像。相比之下，现代的卷积神经网络可以使用不错的GPU在不到一秒钟的时间内识别图像中的对象。如果我们必须识别100,000张图像的完整测试集呢？尽管开发计算机视觉处理系统需要开发时间和专业知识，但是计算机可以比人类更一致地执行视觉识别，并且在需要时可以更好地扩展。

计算机视觉如何实现？

对于计算机，图像是像素强度的2D阵列。如果图像是黑白图像，则每个像素有一个通道。如果图像是彩色的，则每个像素通常有三个通道。如果图像来自视频，则还存在时间分量。由于阵列很容易在数