计算机视觉

一句话总结： 计算机视觉让机器能够理解来自图像与视频的视觉信息。它通过深度学习来检测目标、分割场景，并解读物理世界。

计算机视觉（CV）是人工智能的一个分支。它让机器能够从图像、视频及其他视觉输入中提取意义。CV 系统模拟人类视觉：对所见内容进行分类、定位目标，并理解空间关系。现代 CV 高度依赖深度学习——尤其是卷积神经网络（CNN）。

计算机视觉的核心任务

1. 图像分类：为整张图片分配一个标签（例如“猫”或“狗”）。
2. 目标检测：使用边界框定位并标注图像中的多个目标。
3. 语义分割：按类别为图像中的每个像素打标签。
4. 实例分割：区分同一目标类别的不同实例个体。
5. 姿态估计：检测人体或物体的位置与朝向。
6. 深度估计：从 2D 图像或 LiDAR 点云推断 3D 结构。
7. 光学字符识别（OCR）：从图像中提取文本。

计算机视觉如何工作

CV 流水线通常从原始图像数据开始。预处理会对尺寸、颜色与格式进行归一化。随后，神经网络逐层提取特征：浅层检测边缘与纹理；更深层识别复杂形状与物体。模型会在大规模标注数据集上训练。标签来自人工标注人员——这就是 ground truth（真实标注）。

计算机视觉的应用

1. 自动驾驶：CV 实时检测车道线、行人与交通标志。
2. 医学影像：模型在 X 光与 MRI 扫描中检测肿瘤与异常。
3. 工业检测：摄像头在生产线上自动识别缺陷。
4. 零售：视觉搜索与货架监控使用 CV 跟踪库存。
5. 机器人：机器人利用 CV 感知环境并与之交互。
6. 安防：监控系统检测入侵并识别人脸。

用于计算机视觉的训练数据

CV 模型需要海量的标注图像数据集。数据越多样，模型越稳健。规模化采集与标注图像既昂贵又耗时。合成数据 可在真实图像稀缺时填补空白。Bright Data 的 数据集市场 提供可直接使用的图像数据集，用于计算机视觉训练。