計算機視覺的早期實驗始于20世紀50年代，并在20世紀70年代首次在商業上用于區分打字文本和手寫文本，但如今計算機視覺的應用已呈指數級增長。預計到2022年，計算機視覺和硬件市場預計將達到486億美元。目前計算機視覺已經成為日常生活中的一部分，即使我們并不知道計算機技術的部署的時間和地點，但仍然會可能體驗計算機視覺的應用。 那什么是計算機視覺，它如何工作又有哪些典型的應用？
什么是計算機視覺？
計算機視覺是人工智能的一種形式，計算機可以“看到”世界，分析視覺數據，然后從中作出決定，或者了解環境和情況。計算機視覺增長背后的驅動因素之一是我們今天生成的數據量，這些數據用于培訓和改善計算機視覺。我們的世界里有無數的圖像和視頻，它們都來自我們移動設備的內置攝像頭。但是，雖然圖像可以包括照片和視頻，也可以意味著來自熱或紅外傳感器和其他來源的數據。隨著大量的視覺數據(每天有超過30億張圖片在網上共享)的出現，分析數據所需的計算能力變得更加容易獲得，也更加廉價。隨著計算機視覺領域隨著新的硬件和算法的出現而不斷發展，目標識別的準確率也在不斷提高。在不到十年的時間里，今天的系統已經達到99%的準確率，比人類對視覺輸入的快速反應準確率提高了50%。
計算機視覺如何工作？
實現人工智能所有能力的關鍵組成部分之一是賦予機器視覺能力。為了模擬人類視覺，機器需要獲取、處理、分析和理解圖像。實現這一里程碑的巨大增長得益于神經網絡的迭代學習過程。它從一個有助于機器學習特定主題的精選數據集開始。如果目標是像2012年谷歌那樣識別貓的視頻，神經網絡使用的數據集需要有貓的圖像和視頻，以及沒有貓的例子。每個圖像都需要用元數據標記，以指示正確的答案。當一個神經網絡在數據和信號中運行時，它會發現一個帶有貓的圖像；這是關于它是否正確的反饋，這有助于它的改進。神經網絡正在使用模式識別來區分圖像的許多不同部分。而不是由程序員來定義貓的特征屬性，例如擁有尾巴和胡須，而是從上傳的數以百萬計的圖像中進行學習。
計算機視覺應用的七個典型案例
想象一下人類視覺所允許的一切，你就可以開始實現幾乎無窮無盡的計算機視覺應用。以下是當今生產生活中典型的七個應用案例：
自主車輛
自動駕駛汽車需要計算機視覺。特斯拉(Tesla)、寶馬(BMW)、沃爾沃(Volvo)和奧迪(Audi)等汽車制造商使用多個攝像頭、激光雷達、雷達和超聲波傳感器從環境中獲取圖像，這樣他們的自動駕駛汽車就能探測目標、車道標記、標志和交通信號，從而安全駕駛。
谷歌翻譯軟件
你所需要做的就是把手機攝像頭對準這些單詞，讓谷歌翻譯應用程序幾乎立刻告訴你它在你喜歡的語言中的意思。通過光學字符識別來查看圖像和增強現實來疊加一個精確的翻譯，這是一個使用計算機視覺的方便工具。
面部識別
中國在使用人臉識別技術方面無疑處于領先地位，他們將其用于警察工作、支付識別、機場安檢，甚至在北京天壇公園分發廁紙、防止廁紙被盜，以及其他許多應用。
醫療保健
由于90％的醫療數據都是基于圖像的，因此醫學中的計算機視覺有很多用途。從啟用新的醫療診斷方法到分析X射線，乳房X光檢查和其他掃描，以及監測患者以更早發現問題并協助手術，期望我們的醫療機構，專業人員和患者將從今天的計算機視覺中受益，并且將來更多它在醫療保健領域推出。
實時運動跟蹤
足球和冰球在電視體育節目中的跟蹤已經很常見了一段時間，但計算機視覺還有助于比賽和策略分析、球員表現和評級，以及跟蹤體育節目中品牌贊助的可見性。
農業
約翰迪爾(John Deere)在2019年國際消費電子展(CES 2019)上展示了一種半自動聯合收割機，它利用人工智能和計算機視覺來分析收獲時的糧食品質，并找出穿過作物的最佳路徑。計算機視覺識別雜草的潛力也很大，這樣除草劑就可以直接噴灑在雜草上，而不是作物上。這有望將所需除草劑的數量減少90%。
制造業
計算機視覺正以各種方式幫助制造商更安全、更智能、更有效地運行。預測性維護只是一個例子，在設備故障導致昂貴的停機之前，用計算機視覺對設備進行監控，以便進行干預。對包裝和產品質量進行監控，并通過計算機視覺減少不合格品。
計算機視覺在現實世界中已經有了大量的應用，而且這項技術還很年輕。隨著人類和機器繼續合作，人類的勞動力將被解放出來，專注于更高價值的任務，機器的自動處理依賴于圖像識別的過程。
http://www.lingxixueyun.com整理發布