03 | Machine Vision：理解计算机视觉
柳博文
你好，我是柳博文。欢迎和我一起学习前端工程师的 AI 实战课。
从这节课开始我们就正式进入 AI（artificial intelligence）的学习部分了，AI 作为人工智能的简写和统称，又细分了多种领域，包括机器学习、深度学习、自然语言处理、计算机视觉（Computer Vision， 简称 CV）、机器人学、知识表示与推理、认知计算等等。
其中，计算机视觉（CV）是 AI 里一个重要分支。随着机器学习和深度学习的发展，计算机视觉的应用场景也越来越广泛。这节课，我们将会重点了解计算机视觉领域的发展脉络与核心技术原理，最后还会讨论计算机视觉在前端方面的创新应用。
计算机视觉的发展
首先，我们一起了解一下计算机视觉的发展过程。
计算机视觉的相关技术出现在上个世纪 50 年代，受限于物理计算设备的计算效率，这个时候的研究主要集中于图像处理和识别模式上，而且技术和算法也处于原始时期。
经过 30 年的发展，计算机视觉的研究开始集中于如何提取图像中的特征并用于模式识别。这个阶段出现了边缘检测、角点检测等基础算法，基于这些算法，光流、立体视觉等技术慢慢出现，主要用于分析图像序列和 3D 场景。
计算机视觉技术发展需要大量的计算资源，但那时这些条件都很有限，因此技术的发展并不迅速，直到机器学习的出现。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 计算机视觉是人工智能领域的重要分支，随着机器学习和深度学习的发展，计算机视觉的应用场景越来越广泛。 2. 计算机视觉的发展经历了图像处理、模式识别、机器学习和深度学习等阶段，深度学习特别是卷积神经网络成为计算机视觉的主流方法。 3. 计算机视觉的核心技术包括特征提取和目标检测，其中深度学习特征提取利用深度神经网络自动学习和提取图像特征。 4. 目标检测包括目标分类和定位，主流算法分为一阶段和两阶段方法，如YOLO、SSD、R-CNN系列和Faster R-CNN。 5. 计算机视觉在前端的创新应用包括以图搜图、代码生成工具等，这些应用是实际业务场景的AI+前端创新（AIGC）应用。 这些重点涵盖了计算机视觉的发展历程、核心技术和主流算法，以及计算机视觉在前端的创新应用。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《前端工程师的 AI 实战课》，新⼈⾸单¥59
《前端工程师的 AI 实战课》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论