AI在計算機視覺(jué)中的應用

對象識別

計算機視覺(jué)AI的這個(gè)分支涉及檢測圖像或視頻中的一個(gè)或多個(gè)事物。例如，監控攝像頭可以智能地識別人類(lèi)及其活動(dòng)（沒(méi)有運動(dòng)，槍支或刀具等東西），因此這些可疑活動(dòng)被標記。

圖像分割

圖像分割是一種像素級計算機視覺(jué)技術(shù)，用于確定給定圖像中的內容。它不同于圖像識別（使用一個(gè)或多個(gè)標簽標記完整圖像）和對象檢測（通過(guò)在圖像周?chē)鷦?chuàng )建邊界框來(lái)定位圖像內的內容）。圖像分割提供有關(guān)圖像內容的更細粒度的信息。

圖像分類(lèi)

圖像分類(lèi)是根據圖像周?chē)囊曈X(jué)內容對圖像進(jìn)行分類(lèi)的過(guò)程。該過(guò)程需要專(zhuān)注于相鄰像素之間的關(guān)系。具有預定模式的數據庫組成了分類(lèi)系統。

將這些模式與已識別的對象進(jìn)行比較以確定其分類(lèi)。車(chē)輛導航、生物測量、視頻監控、生物醫學(xué)成像等領(lǐng)域都受益于圖像分類(lèi)。

實(shí)時(shí)增強
 增強現實(shí)應用嚴重依賴(lài)計算機視覺(jué)。該技術(shù)使AR應用程序能夠實(shí)時(shí)檢測物理事物（物理位置內的表面和單個(gè)物體），并利用這些數據在物理環(huán)境中定位虛擬物體。

面部識別
 面部識別技術(shù)的目標是識別照片中的物品或人臉。由于人臉的多樣性-表情，態(tài)度，膚色，相機質(zhì)量，位置或方向，圖像分辨率等-它是計算機視覺(jué)更困難的應用之一。

然而，這種方法被廣泛采用。它用于在智能手機上對用戶(hù)進(jìn)行身份驗證。當Facebook為照片中的人物建議標簽時(shí)，它采用了相同的方法。

識別模式和識別邊緣

系統發(fā)現屬性或數據模式的能力稱(chēng)為模式識別。模式可以是循環(huán)數據序列或已添加到系統中的一組數據。

在圖片中查找對象的邊緣就是邊緣檢測的全部?jì)热?。這是通過(guò)檢測亮度不連續性來(lái)實(shí)現的。在數據提取和圖像分割中，邊緣檢測非常有用。

農業(yè)

許多農業(yè)公司使用計算機視覺(jué)來(lái)監測收成并處理常見(jiàn)的農業(yè)問(wèn)題，如雜草生長(cháng)和養分不足。計算機視覺(jué)系統分析來(lái)自衛星、無(wú)人機和飛機的照片，以便及早發(fā)現問(wèn)題，從而避免可避免的經(jīng)濟損失。