人工智能 计算机视觉(人工智能计算机视觉技术)

Mark wiens

发布时间:2022-09-13

人工智能 计算机视觉(人工智能计算机视觉技术)

 

人工智能原本只是人类一个美好的想象,没想到,它却成为了21世纪最热的话题之一。

随着近几年人工智能的发展,已经逐渐渗透到了各个领域,比如:医疗、教育、机械自动化、个性化推荐、信息安全、图像识别等等......

也正因为如此,很多准备入门 AI 的新手,都会面临一个共同的问题:AI 应用方向么多,到底该选择哪个?哪个才是最适合自己的?

在人工智能的众多细分领域中,有一个入门门槛相对较低、模型成熟但人才缺口大的方向——计算机视觉(Computer Vision)。

1 基于计算机视觉开发的产品

如果你了解计算机视觉,并细心观察,会发现其实它早已成为人们日常生活的一部分了。计算机视觉的应用已经被越来越多的公司部署在自身的产品中,举几个比较前沿的例子:

Facebook 反人脸识别

扎克伯格提过Facebook将来三大主要发展方向,人工智能就是其中之一,并为此设立了FAIR(Facebook AI Research)。

去年,FAIR针对世界上有关人脸识别技术的滥用事件(AI换脸),开发了一套适用于视频、现场直播等场景的去识别化’技术——反人脸识别。

该技术将一个对抗自编码器与一个训练过的面部分类器配对,以使人的面部稍微扭曲,从而在迷惑面部识别系统的同时,又能维持一个人们可以认出来的自然样貌。

虽然Facebook还不打算在其任何商业产品中使用这项技术,但这项技术在很多场景中是有益的,比如保护个人隐私。

Amazon Go

Amazon Go 是计算机视觉试图对零售行业进行改革的尝试。

它所实现的功能是:顾客进入商店,闸机读取顾客的二维码,选择所需商品,离开商店,不用排队结账。

其核心技术基于一种无线射频识别技术的系统——它能识别用户从货架上取货的动作,随后将数据同步到用户的手机中。用户在穿过特别设置的交易区(transition area)后,系统会自动识别,算出花销,然后从亚马逊账户中扣款;另外,这套系统还能利用顾客的购买记录,来分析用户偏好,然后调整相应的货物位置和库存。

哎,不知道超市收银员们听了怎么想?

微软 InnerEye

医疗行业当然也少不了计算机视觉的应用。

微软有一款处理医学图像的产品——InnerEye,其基于计算机视觉和机器学习技术,帮助放射科医生、肿瘤专家和外科医生处理放射图像。其主要目的是从恶性肿瘤的 3D 图像中准确识别出肿瘤。

随着计算机视觉技术的引入,现代医疗系统必将实现突破性的发展,风险低、创伤性小的手术方案在未来也将成为可能。

2 入门计算机视觉必知的技术

工欲善其事必先利其器,尽管计算机视觉是人工智能中相对入门门槛较低的方向,但作为CV新人,你至少要掌握以下必备技能:

1.编程基础

推荐Matlab,Python,C++,最好熟悉其中2种。

2.数学基础

了解微积分,概率学、矩阵论、线性代数等。

3.专业工具OpenCV

OpenCV(开源计算机视觉库)是一个非常强大的学习资料库,为初学者们降低了计算机视觉的学习门槛。

4.图像处理的基础知识

图像处理 (Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

5.模式识别的基础知识

模式识别(Pattern Recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。

有了以上基础,你算是半只脚踏进了计算机视觉的大门,但是离找一份相关的工作还有所差距。企业看重的是技术的落地效益,所以,初学者们还需要在计算机视觉的应用方面花功夫。

根据视觉的应用场景不同,计算机视觉分为了传统视觉和与深度学习结合的计算机视觉,两个分支要求你学习的内容也不同。

传统计算机视觉

传统计算机视觉的应用主要在制造针对特定对象的检测器,如边缘检测,霍夫变换,斑点检测,角点检测。其优势体现在精准度和计算复杂性等方面。

对此,你需要学习在一些具体的应用层面的知识。

互联网小常识:网络管理系统一般由管理进程(Manager)、被管对象(MO)、代理进程(Agent)、管理信息库(MIB)和网络管理协议(SNMP和CMIP)五部分组成。

1、ROS

ROS(robotics operating system)机器人操作系统,目前能够应用的是机器人领域,主要是机器人的建模、感知、导航、规划等。

而ROS与计算机视觉的交织领域是机器视觉,目前,机器视觉解决方案尚面临着9大挑战:照明、变形或铰接、职位和方向、背景、闭塞、比例、照相机放置、运动、期望。

因此,解决机器人在环境中的视觉,任务设置和工作场所等问题,需要在计算机视觉领域的更多投入。

2、自动驾驶

计算机视觉在无人车上的使用有一些比较直观的例子,比如交通标志和信号灯的识别(Google)、高速公路车道的检测定位(特斯拉)。现在基于LiDAR信息实现的一些功能模块,其实也可以用摄像头基于计算机视觉来实现。

从计算机视觉的角度,无人驾驶可能是一次难得的机遇,数据的极大丰富和算法的迭代提高相辅相成,会推动计算机视觉研究前进,并使之在无人驾驶中起到更加不可或缺的作用。

与深度学习结合的计算机视觉

与深度学习结合,作为传统计算机视觉的一个补充,它的应用领域主要在一些能允许一定错误率的行业,比如图像搜索、监视、自动化零售等,其最大的优势就是自动创建特性、具有实时决策功能。

1、深度学习

深度学习(Deep Learning)的概念是Hinton等人于2006年提出的,最早最成功的应用领域就是计算机视觉,经典的卷积神经网络就是为专门处理图片数据而生。

目前深度学习已经广泛应用在计算机视觉、语音识别、自然语言处理、智能推荐等领域。关于深度学习的方法,大致分为三种:

互联网小常识:路由器的可靠性与可用性表现在:设备冗余、热拔插组件、无故障工作时间、内部时钟精度等方面。路由器的冗余表现在:接口冗余、电源冗余、系统板冗余、时钟板冗余、整机设备冗余等方面。

深度监督学习

监督学习应用在当数据标记、分类器分类或数值预测的情况。

深度无监督学习

当输入数据没有标记时,可应用无监督学习方法从数据中提取特征并对其进行分类或标记。

深度强化学习

强化学习使用奖惩系统预测学习模型的下一步。这主要用于游戏和机器人,解决平常的决策问题。

2、CNN

计算机视觉里经常使卷积神经网络,即CNN,是一种对人脑比较精准的模拟。

什么是卷积?卷积就是两个函数之间的相互关系,然后得出一个新的值,他是在连续空间做积分计算,然后在离散空间内求和的过程。实际上在计算机视觉里面,可以把卷积当做一个抽象的过程,就是把小区域内的信息统计抽象出来。

那为什么时隔20年,卷积神经网络能卷土重来、占领主流?原因有二:

深度的卷积神经网络需要大量数据进行训练,否则机器学习中的过拟合将不可避免。而2006及2007年开始,正好是互联网开始大量产生各种各样的图片数据的时候。

随着GPU计算能力的增长,运算能力的提升,使卷积神经网络结合大数据的训练才成为可能。

深度学习已经成为计算机视觉系统的重要组成部分,但是传统的计算机视觉依然保持着强势劲头。

所以,你要做得就是选择自己感兴趣的计算机视觉应用方向,在掌握一定基础的情况下,深入学习某个领域需要的知识即可。

3 入门计算机视觉的秘籍

目前计算机视觉领域来说有着两极分化——基础理论扎实,实践能力强的人,是真的非常好找工作。相反,只是学会基础,运行一下网上公开模型,这种人想找份好工作可能就无望了。

对于初学者来说,要想扎实的学习计算机视觉技术,就要先掌握计算机视觉的开发工具——OpenCV,并在实践中学习。

OpenCV是开源视觉开发库里的老人,很早就开始做 CV 领域的开源。相对于家喻户晓pytorch 和 tensorflow ,OpenCV 在应用上有以下优势:

丰富、高效的传统算法(视频分析、3D 重建、光流算法)

端到端的IO(从摄像头读入、显示屏输出)

CPU、(GPU)、VPU加速效果好

在此,推介一本入门计算机视觉的新手书《OpenCV 4 快速入门》,该书以计算机视觉知识为主线,由浅入深地介绍了OpenCV 4在计算机视觉各个领域的应用以及相关函数的使用的书。

OpenCV 4快速入门

作者: 冯振 ,郭延宁 ,吕跃勇

本书有三大亮点:

重视动手实践

结合最新内容,针对OpenCV 4进行介绍。市面中的绝大多数OpenCV书籍是针对OpenCV 2或者OpenCV 3两个版本。在OpenCV 4版本中不仅更新了许多内容,而且去除掉了很多之前版本使用的函数,并且也更改了环境配置方式。

本书针对OpenCV 4进行编写,是国内最早一批的全面系统的介绍OpenCV 4使用的书籍。书中重点介绍了:

OpenCV 4相比之前版本做出重大修改的内容。

OpenCV 4环境配置

OpenCV 4进行二维码检测

OpenCV 4 DNN模块的使用

扩展模块的安装与部分功能的使用

代码实现可运行

书中每一个程序都提供了原始代码和使用的数据,近120个示例程序的源码,按书中章节进行整理,方便读者寻找和使用。所有源码都经过反复测试,确保无bug运行!

开放源码和所使用的数据集以及彩色图像,所有的资源被托管在Github:可以与我实时互动https://github.com/fengzhenHIT/learnOpenCV4

图书+视频课一起学

在学习的过程中大家有一个共识,看书理论是一回事儿,写代码是另外一回事儿,调代码又是另外一回事儿。

《OpenCV4快速入门》搭配有视频课辅助读者学习。并且,以视频的形式,辅助书籍中的内容,展示了如何从0到1的使用OpenCV 4中的函数编写程序、调试程序。课程提前书籍发售,获得了众多好评!

作者提供小白学视觉公众号和微信答疑群,在群内不仅可以和作者一对一交流,也可以和其他一起在学习本书的读者进行交流。交流群里不仅作者会解答读者的学习问题,其他读者也会积极参与解决问题,提高读者的学习效率。

总之,这是一本深入浅出、完全适合新手的OpenCV4入门书籍,其涵盖的知识之全面,几乎能解答你入门计算机视觉的所有疑问。

入门书籍

OpenCV 4快速入门

作者: 冯振 ,郭延宁 ,吕跃勇

内容简介:

本书共12 章,主要内容包括OpenCV 4 基础知识,OpenCV 的模块架构,图像存储容器,图像的读取与显示,视频加载与摄像头调用,图像变换,图像金字塔,图像直方图的绘制,图像的模板匹配,图像卷积,图像的边缘检测,腐蚀与膨胀,形状检测,图像分割,特征点检测与匹配,单目和双目视觉,光流法目标跟踪,以及OpenCV 在机器学习方面的应用等。

本书面向的读者是计算机视觉与图像处理等相关专业的高校师生、企业内转行计算机视觉与图像处理的工作人员、已有图像处理基础并想了解OpenCV 4 新特性的人员。

互联网小常识:生成树协议是一个二层链路管理协议。STP的基本原理是通过在交换机之间发送网桥协议数据单元(BPDU)并使用生成树算法进行的。BPDU每隔2秒发送一次。BPDU分为两种:一种是配置BPDU(不超过35字节)和拓扑变化通知BPDU(小于4字节),优先级增量为4096,越小优先级越高。

免责声明:本站所有信息均搜集自互联网,并不代表本站观点,本站不对其真实合法性负责。如有信息侵犯了您的权益,请告知,本站将立刻处理。联系QQ:1640731186