這篇文章是為了幫助初學(xué)者開發(fā)社區(qū)，尤其是那些對計(jì)算機(jī)視覺和計(jì)算機(jī)科學(xué)不熟悉的人。NVIDIA 認(rèn)識到，通過計(jì)算機(jī)視覺和人工智能解決并受益于世界的視覺計(jì)算挑戰(zhàn)需要我們所有人。NVIDIA 很高興與 人工智能中的黑人女性 合作，并將此帖子獻(xiàn)給 人工智能中的黑人女性 。

計(jì)算機(jī)視覺在現(xiàn)實(shí)世界中的應(yīng)用越來越廣泛，其應(yīng)用也越來越具有挑戰(zhàn)性，并且正在改變其意義。計(jì)算機(jī)視覺已經(jīng)以某種形式存在了幾十年，它正在成為一個(gè)越來越常見的短語，遍布世界各地和各個(gè)行業(yè)：計(jì)算機(jī)視覺系統(tǒng)、計(jì)算機(jī)視覺軟件、計(jì)算機(jī)視覺硬件、計(jì)算機(jī)視覺開發(fā)、計(jì)算機(jī)視覺管道、計(jì)算機(jī)視覺技術(shù)。

什么是計(jì)算機(jī)視覺？

無論從字面上還是比喻上看，計(jì)算機(jī)視覺的術(shù)語和領(lǐng)域都超出了人們的想象。在特定的非人工智能實(shí)例中，計(jì)算機(jī)視覺也被稱為 vision AI 和傳統(tǒng)圖像處理，在制造業(yè)和工業(yè)用例中也被稱為 machine vision 。

簡言之，計(jì)算機(jī)視覺使包括筆記本電腦、智能手機(jī)、自動(dòng)駕駛汽車、機(jī)器人、無人機(jī)、衛(wèi)星和 x 光機(jī)在內(nèi)的設(shè)備能夠感知、處理、分析和解釋數(shù)字圖像和視頻中的數(shù)據(jù)。

換句話說，計(jì)算機(jī)視覺從根本上將圖像數(shù)據(jù)或圖像數(shù)據(jù)集作為輸入，包括視頻的靜止圖像和運(yùn)動(dòng)幀，無論是錄制的還是來自實(shí)時(shí)攝像機(jī)的。計(jì)算機(jī)視覺使設(shè)備能夠像人類視覺系統(tǒng)一樣擁有和使用類似人類的視覺功能。在人類視覺中，你的眼睛實(shí)時(shí)地將你周圍的物理世界感知為不同的光反射。

類似地，計(jì)算機(jī)視覺設(shè)備感知圖像和視頻的像素，檢測模式并解釋可用于進(jìn)一步分析或決策的圖像輸入。從這個(gè)意義上說，計(jì)算機(jī)視覺“看到”就像人類視覺一樣，并使用智能和計(jì)算能力來處理輸入的視覺數(shù)據(jù)，以輸出有意義的見解，就像機(jī)器人探測并避開其路徑上的障礙物一樣。

不同的計(jì)算機(jī)視覺任務(wù)模擬人類視覺系統(tǒng)，執(zhí)行、自動(dòng)化和增強(qiáng)與人類視覺系統(tǒng)類似的功能。

計(jì)算機(jī)視覺與其他形式的人工智能有何關(guān)聯(lián)？

計(jì)算機(jī)視覺有助于教授和掌握視覺，就像對話人工智能在識別、翻譯和描述文本（我們用來定義和描述周圍物理世界的詞語）的應(yīng)用中，有助于通過語音教授和掌握聲音的感覺。

同樣，計(jì)算機(jī)視覺通過數(shù)字圖像和視頻幫助教授和掌握視覺。更廣泛地說，術(shù)語 computer vision 還可用于描述設(shè)備傳感器（通常為攝像頭）在檢測、跟蹤和識別圖像中的對象或圖案的應(yīng)用中如何感知和作為視覺系統(tǒng)工作。

多模態(tài)對話人工智能將對話人工智能的功能與多媒體會(huì)議應(yīng)用中的計(jì)算機(jī)視覺相結(jié)合，例如 NVIDIA Maxine 。

計(jì)算機(jī)視覺還可以廣泛用于描述其他類型的傳感器，如光探測和測距（ LiDAR ）和無線電探測和測距（雷達(dá)）如何感知物理世界。在自動(dòng)駕駛汽車中，計(jì)算機(jī)視覺用于描述激光雷達(dá)和雷達(dá)傳感器如何工作，通常與攝像頭一起工作，以識別和分類人、物體和碎片。

有哪些常見任務(wù)？

雖然計(jì)算機(jī)視覺任務(wù)涵蓋了廣泛的感知能力，而且列表還在不斷增長，但最新的技術(shù)支持并幫助解決涉及檢測、分類、分割和圖像合成的用例。

檢測任務(wù)定位并有時(shí)跟蹤圖像中存在的對象。例如，在數(shù)字病理醫(yī)療領(lǐng)域，檢測可能涉及通過醫(yī)學(xué)成像識別癌細(xì)胞。在機(jī)器人技術(shù)領(lǐng)域，軟件開發(fā)人員正在使用目標(biāo)檢測來避開工廠地板上的障礙物。

分類技術(shù)確定視覺數(shù)據(jù)中存在的對象。例如，在制造業(yè)中，物體識別系統(tǒng)將不同類型的瓶子分類包裝。在農(nóng)業(yè)領(lǐng)域，農(nóng)民們正在使用分類來識別作物中的雜草。

分割任務(wù)對屬于某一類別的像素進(jìn)行分類，可以按像素單獨(dú)分類（語義圖像分割），也可以將同一類別的多個(gè)對象類型指定為單個(gè)實(shí)例（實(shí)例圖像分割）。例如，自動(dòng)駕駛汽車將道路場景的一部分分割為可駕駛空間和非可駕駛空間。

圖像合成技術(shù)通過變形現(xiàn)有數(shù)字圖像以包含所需內(nèi)容來創(chuàng)建合成數(shù)據(jù)。生成性對抗網(wǎng)絡(luò)（ GAN ），比如 EditGAN ，能夠從文本描述和現(xiàn)有的風(fēng)景和人物圖像中生成合成視覺信息。使用合成數(shù)據(jù)來補(bǔ)充和模擬真實(shí)數(shù)據(jù)是物流領(lǐng)域一個(gè)新興的計(jì)算機(jī)視覺用例，它將視覺 AI 用于智能庫存控制等應(yīng)用。

什么是不同類型的計(jì)算機(jī)視覺？

為了理解計(jì)算機(jī)視覺中的不同領(lǐng)域，理解計(jì)算機(jī)視覺任務(wù)所基于的技術(shù)是很重要的。大多數(shù)計(jì)算機(jī)視覺技術(shù)都是從一個(gè)模型或數(shù)學(xué)算法開始的，它執(zhí)行特定的基本操作、任務(wù)或組合。雖然我們將傳統(tǒng)的圖像處理和基于人工智能的計(jì)算機(jī)視覺算法分別進(jìn)行分類，但大多數(shù)計(jì)算機(jī)視覺系統(tǒng)依賴于一種組合，這取決于用例、復(fù)雜性和所需的性能。

傳統(tǒng)的計(jì)算機(jī)視覺

傳統(tǒng)的、基于非深度學(xué)習(xí)的計(jì)算機(jī)視覺可以指計(jì)算機(jī)視覺和圖像處理技術(shù)。

在傳統(tǒng)的計(jì)算機(jī)視覺中，一組特定的指令執(zhí)行特定的任務(wù)，比如檢測圖像中的角點(diǎn)或邊緣，以識別建筑物圖像中的窗口。

另一方面，圖像處理對圖像執(zhí)行特定操作，然后可以使用視覺算法對圖像進(jìn)行進(jìn)一步處理。例如，您可能希望平滑或壓縮圖像的像素以供顯示，或減小其整體大小。這可以比作彎曲進(jìn)入眼睛的光線來調(diào)整焦點(diǎn)或視野。圖像處理的其他示例包括調(diào)整、轉(zhuǎn)換、重新縮放和扭曲輸入圖像。

基于人工智能的計(jì)算機(jī)視覺

基于人工智能的計(jì)算機(jī)視覺或視覺人工智能依賴于經(jīng)過視覺數(shù)據(jù)訓(xùn)練的算法來完成特定任務(wù)，而不是像圖像處理那樣的編程、硬編碼指令。

前面提到的檢測、分類、分割和合成任務(wù)通常都是基于人工智能的計(jì)算機(jī)視覺算法，因?yàn)樗鼈兛梢詫?shí)現(xiàn)準(zhǔn)確性和魯棒性。在許多情況下，基于人工智能的計(jì)算機(jī)視覺算法可以在這兩個(gè)性能指標(biāo)方面優(yōu)于傳統(tǒng)算法。

基于人工智能的計(jì)算機(jī)視覺算法通過學(xué)習(xí)和適應(yīng)視覺數(shù)據(jù)輸入，更緊密地模擬人類視覺系統(tǒng)，使其在大多數(shù)情況下成為計(jì)算機(jī)視覺模型的首選。這就是說，基于人工智能的計(jì)算機(jī)視覺算法需要大量數(shù)據(jù)，數(shù)據(jù)的質(zhì)量直接驅(qū)動(dòng)模型輸出的質(zhì)量。但是，性能超過了成本。

基于人工智能的神經(jīng)網(wǎng)絡(luò)自學(xué)，這取決于算法的訓(xùn)練數(shù)據(jù)?；谌斯ぶ悄艿挠?jì)算機(jī)視覺就像是從經(jīng)驗(yàn)中學(xué)習(xí)，并根據(jù)上下文做出預(yù)測，而不是明確的方向。學(xué)習(xí)過程類似于當(dāng)你的眼睛看到一個(gè)不熟悉的物體，大腦試圖學(xué)習(xí)它是什么，并將其存儲起來以備將來預(yù)測。

基于人工智能的計(jì)算機(jī)視覺中機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的比較

機(jī)器學(xué)習(xí)計(jì)算機(jī)視覺是一種基于人工智能的計(jì)算機(jī)視覺。基于人工智能的基于機(jī)器學(xué)習(xí)的計(jì)算機(jī)視覺具有人工神經(jīng)網(wǎng)絡(luò)或?qū)?，類似于人腦中的神經(jīng)網(wǎng)絡(luò)或?qū)樱糜谶B接和傳輸有關(guān)攝取的視覺數(shù)據(jù)的信號。在機(jī)器學(xué)習(xí)中，計(jì)算機(jī)視覺神經(jīng)網(wǎng)絡(luò)具有獨(dú)立且不同的層，明確定義層之間的連接，以及視覺數(shù)據(jù)傳輸?shù)念A(yù)定義方向。

基于深度學(xué)習(xí)的計(jì)算機(jī)視覺模型是基于機(jī)器學(xué)習(xí)的計(jì)算機(jī)視覺的一個(gè)子集。深度學(xué)習(xí)中的“深度”源于神經(jīng)網(wǎng)絡(luò)的深度或?qū)訑?shù)。通常，三層或三層以上的神經(jīng)網(wǎng)絡(luò)被認(rèn)為是深層次的。

基于人工智能的基于深度學(xué)習(xí)的計(jì)算機(jī)視覺是基于大量數(shù)據(jù)進(jìn)行訓(xùn)練的。數(shù)十萬、數(shù)以百萬計(jì)的數(shù)字圖像被用來訓(xùn)練和開發(fā)深層神經(jīng)網(wǎng)絡(luò)模型，這種情況并不少見。

開始開發(fā)計(jì)算機(jī)視覺

既然我們已經(jīng)介紹了計(jì)算機(jī)視覺的基礎(chǔ)知識，我們鼓勵(lì)您開始開發(fā)計(jì)算機(jī)視覺。我們建議初學(xué)者開始使用 視覺編程接口（ VPI ）計(jì)算機(jī)視覺和圖像處理庫 進(jìn)行非人工智能算法或 TAO 工具包完全可操作、隨時(shí)可用、經(jīng)過預(yù)訓(xùn)練的人工智能模型 。

關(guān)于作者

邁克爾·布恩是NVIDIA 自動(dòng)駕駛汽車和計(jì)算機(jī)視覺的產(chǎn)品營銷經(jīng)理。在 2019 冠狀病毒疾病流行的米迦勒，他開始了一個(gè)有執(zhí)照的專業(yè)工程師的職業(yè)生涯，從交通基礎(chǔ)設(shè)施咨詢中逐漸進(jìn)入了新的技術(shù)領(lǐng)域。在他的當(dāng)前角色，米迦勒合作在NVIDIA 的團(tuán)隊(duì)，開發(fā)和定位令人興奮的技術(shù)解決方案，在人工智能和深入學(xué)習(xí)的計(jì)算機(jī)視覺應(yīng)用的醫(yī)療保健（ CuCIM ），定義自主車輛平臺（驅(qū)動(dòng)器），并支持啟用 NVIDIA 計(jì)算機(jī)視覺和圖像處理庫視覺編程接口（ VPI ）社區(qū)。 Michael 與研究、工程、產(chǎn)品和活動(dòng)團(tuán)隊(duì)合作，分享、開發(fā)和交付下一代技術(shù)。

Sandeep Hiremath 是NVIDIA 計(jì)算機(jī)視覺的首席技術(shù)產(chǎn)品經(jīng)理。他是一位經(jīng)驗(yàn)豐富的產(chǎn)品領(lǐng)導(dǎo)者，專長于計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)和嵌入式系統(tǒng)領(lǐng)域。在NVIDIA ，他負(fù)責(zé)為汽車、醫(yī)療保健、機(jī)器人和研究領(lǐng)域的開發(fā)人員提供一組計(jì)算機(jī)視覺和圖像處理解決方案的產(chǎn)品愿景和戰(zhàn)略。在 MathWorks 的前一份工作中，他在十多年中擔(dān)任了多個(gè)面向客戶的角色，涉及客戶成功、宣傳，以及為學(xué)術(shù)界、機(jī)器人和嵌入式視覺領(lǐng)域的 MATLAB 用戶提供營銷解決方案。

Ona Ogbona 是 NVIDIA 的高級系統(tǒng)安全工程師，致力于開發(fā)自動(dòng)駕駛解決方案。她的職責(zé)包括客戶參與、產(chǎn)品開發(fā)、系統(tǒng)和安全流程交付，以確保自動(dòng)駕駛汽車的安全交付。在之前的 ZF 工作中，她為乘用車和卡車開發(fā)了轉(zhuǎn)向電子設(shè)備，發(fā)揮了功能性安全作用，成功地實(shí)現(xiàn)了車輛道路釋放。在加入汽車行業(yè)之前， Ona 一直在陸地和深水石油和天然氣行業(yè)發(fā)揮作用。 Ona 是特許工程師（曾）和工程技術(shù)學(xué)會(huì)（ MIET ）成員。

審核編輯：郭婷