2、计算机视觉中的图像识别技术详解

计算机视觉中的图像识别技术详解

1. 计算机视觉中的目标识别挑战

在计算机科学研究中，构建能像人类一样运作的类人机器人是一个重要目标，甚至赋予其情感属性也并非不可能。例如，机器人可通过传感器感知周围环境温度，通过分析面部表情判断人的情绪。而当前极具挑战性的应用之一便是目标识别。

目标识别可基于多种数据类型，如音频、图像和文本。其中，图像识别因能提供丰富信息而成为计算机视觉中最受欢迎的应用。然而，世界上存在大量物体，区分它们是一项复杂任务。不同物体可能外观相近，仅在细微细节上有差异，且同一物体在不同环境下的外观也会不同，如受光照、视角、畸变和遮挡等因素影响。此外，直接使用像素进行图像识别并非良策，因为像素的微小变化会导致图像整体变化，使系统难以正确识别物体。因此，目标是找到一组独特的属性或特征，只要物体结构在图像中存在，这些特征就不会随像素位置或值的改变而变化。但手动从图像中提取特征是图像识别中的一大挑战，这促使自动特征提取方法成为替代方案。

为简化识别任务，可限制环境或目标物体。比如，不识别所有动物，而是针对特定群体；不考虑室内外所有场景，仅处理室内图像；不识别物体的所有视角，只处理部分视角。一般来说，创建窄人工智能应用虽有挑战，但比通用人工智能应用更容易且问题更少。

2. 水果图像识别应用构建思路

以构建水果图像分类识别应用为例，首先需了解一些通用的特征类型，然后从中找出最适合目标应用的特征。通过这个过程，能明白手动提取特征的困难以及为何卷积神经网络（CNNs）的自动特征挖掘更受青睐。

3. 图像识别流程

图像识别通常遵循一系列预定义步骤，从接受输入到返回期望结果。以下是一般的图像识别流程：