一、什么是計(jì)算機(jī)視覺？

計(jì)算機(jī)視覺，其實(shí)就是教機(jī)器怎么像我們?nèi)艘粯?，用攝像頭看看周圍的世界，然后理解它。比如說，它能認(rèn)出這是個(gè)蘋果，或者那邊有輛車。除此之外，還能把拍到的照片或者視頻轉(zhuǎn)換成有用的信息，幫我們做決定。整個(gè)過程就是為了讓機(jī)器能看懂圖像，然后根據(jù)這些圖像來做出聰明的選擇。

二、計(jì)算機(jī)視覺實(shí)現(xiàn)起來難嗎？

人類依賴視覺，找輛汽車輕而易舉，畢竟汽車那么大，一眼就能看出來，所以常誤以為計(jì)算機(jī)視覺簡(jiǎn)單，但實(shí)際上，這個(gè)過程背后有復(fù)雜的視覺處理機(jī)制，涉及大腦多通道處理、注意力系統(tǒng)選擇性分析、以及反饋機(jī)制的調(diào)節(jié)。

大致的視覺原理如下：從原始信號(hào)攝入開始（瞳孔攝入像素 Pixels），接著做初步處理（大腦皮層某些細(xì)胞發(fā)現(xiàn)邊緣和方向），然后抽象（大腦判定，眼前的物體的形狀，是圓形的），然后進(jìn)一步抽象（大腦進(jìn)一步判定該物體是只氣球）。

所以，機(jī)器的方法也是類似，就像搭積木一樣，我們用機(jī)器來學(xué)習(xí)識(shí)別圖片，就是一層層地搭建神經(jīng)網(wǎng)絡(luò)。最下面的幾層負(fù)責(zé)找出圖片里最基本的東西，比如邊邊角角或者顏色塊。然后，這些基本特征再被組合起來，形成更復(fù)雜一些的特征，就像是用小積木拼成大積木。這樣一層一層地往上，每一層都用下一層的特征來構(gòu)建更高級(jí)的特征。最后，到了最頂層，機(jī)器就能根據(jù)這些層層疊加的特征來決定圖片里是啥東西了。

所以要開發(fā)高級(jí)的人工智能視覺系統(tǒng)，需要模擬人類的視覺機(jī)制，包括大腦、眼睛和感官的協(xié)同工作，這其實(shí)是一個(gè)非常有挑戰(zhàn)性的任務(wù)。

三、學(xué)習(xí)計(jì)算機(jī)視覺的挑戰(zhàn)

計(jì)算機(jī)視覺在實(shí)現(xiàn)過程中會(huì)受到很多因素的影響，比如：

圖像噪聲

就是指照片里那些亂七八糟、本來不應(yīng)該出現(xiàn)的斑點(diǎn)或者條紋。這些東西可能是攝像頭不夠好，或者光線太暗，或者是照片在傳過來的時(shí)候出了點(diǎn)問題造成的。這些噪聲會(huì)讓照片看起來沒那么清楚，質(zhì)量下降，對(duì)計(jì)算機(jī)視覺來說就像是干擾信號(hào)，特別是在計(jì)算機(jī)要認(rèn)出照片里是什么東西，或者是要把照片里不同的部分分開來的時(shí)候，這些噪聲就特別礙事。

復(fù)雜場(chǎng)景下的目標(biāo)檢測(cè)和跟蹤

在那種亂糟糟的環(huán)境里，我們想找的東西可能被其他東西擋住了，或者從我們這個(gè)角度看過去，它被遮得嚴(yán)嚴(yán)實(shí)實(shí)的。這種情況讓計(jì)算機(jī)視覺系統(tǒng)非常棘手，因?yàn)橐谶@樣的場(chǎng)景里找到并一直盯著目標(biāo)，難度不小。

特征難以提取

比如我們?nèi)粘Ｅ恼?，無論是在白天還是夜晚拍攝，無論是從正面還是側(cè)面，或者是在笑還是在跑，每張照片看起來都會(huì)有很大的不同。哪怕你只是把照片旋轉(zhuǎn)一下，像素也會(huì)發(fā)生很大的變化。

所以，盡管這些照片的內(nèi)容都是一個(gè)人，但在像素層面上，它們之間的差異可能非常大。這對(duì)于計(jì)算機(jī)視覺系統(tǒng)來說，要準(zhǔn)確地從這些照片中提取出有用的特征，確實(shí)是個(gè)不小的挑戰(zhàn)。

需要計(jì)算的數(shù)據(jù)量巨大

就拿手機(jī)隨便拍張照來說，照片的分辨率可能是1000像素寬乘以2000像素高。每個(gè)像素點(diǎn)都有紅、綠、藍(lán)三個(gè)顏色通道，所以一張照片就有1000乘以2000再乘以3，等于600萬個(gè)數(shù)據(jù)點(diǎn)。也就是說，光是處理一張照片，就得搞定600萬個(gè)參數(shù)。要是考慮到現(xiàn)在越來越流行的4K視頻，那數(shù)據(jù)量更是驚人，你就能想象這背后的計(jì)算量有多大了。

四、計(jì)算機(jī)視覺的 7 大應(yīng)用方向

圖像分類

簡(jiǎn)單來說，就是計(jì)算機(jī)視覺里的一個(gè)任務(wù)，目的是讓計(jì)算機(jī)能夠識(shí)別出一張圖片里主要是什么。這就像是給圖片貼標(biāo)簽，告訴計(jì)算機(jī)這張圖片代表的是什么類別的東西。

比如，你給計(jì)算機(jī)一張圖片，它能夠識(shí)別出這是一張“狗”的圖片，而不是“貓”?；蛘?，它能判斷出這是一張“日落”的風(fēng)景照，而不是“城市街景”。

這個(gè)過程就像是我們?nèi)祟惪磮D說話一樣，計(jì)算機(jī)通過學(xué)習(xí)大量的圖片樣本，逐漸學(xué)會(huì)如何根據(jù)圖片里的特征來判斷圖片屬于哪個(gè)類別。這樣，計(jì)算機(jī)就能像人類一樣，對(duì)圖片進(jìn)行分類和識(shí)別了。

目標(biāo)檢測(cè)

目標(biāo)檢測(cè)，就是計(jì)算機(jī)視覺中的一個(gè)技術(shù)，它能讓電腦在圖片或者視頻里找出我們指定的東西，并且準(zhǔn)確地指出這些東西在畫面上的哪個(gè)位置。這不僅僅是認(rèn)出圖片里有什么，還要能指出這些東西具體在哪兒，就像是給圖片里的目標(biāo)畫個(gè)小圈圈或者打個(gè)小叉叉。

語義分割

就是讓計(jì)算機(jī)能夠理解圖片中的每一個(gè)像素是屬于哪個(gè)類別的。這就好比是給圖片中的每一小塊地方都貼上一個(gè)標(biāo)簽，告訴電腦這里是天空、那里是建筑物、這邊是個(gè)人。

語義分割的過程通常包括三個(gè)步驟：首先是分類，確定圖片中的對(duì)象是什么；然后是定位，找到這些對(duì)象在圖片中的位置；最后是分割，將這些對(duì)象從圖片中分離出來 。這項(xiàng)技術(shù)的核心在于它能夠處理像素級(jí)別的細(xì)節(jié)，為每個(gè)像素分配一個(gè)語義標(biāo)簽，從而實(shí)現(xiàn)非常精確的圖像理解。

實(shí)例分割

實(shí)例分割是一種計(jì)算機(jī)視覺任務(wù)，它要求模型不僅要識(shí)別出圖像中的對(duì)象，還要區(qū)分對(duì)象的不同實(shí)例，并對(duì)每個(gè)實(shí)例的每個(gè)像素進(jìn)行標(biāo)記。這就像是在圖像中進(jìn)行“精細(xì)的切割”，不僅要認(rèn)出圖像里都有啥，還要給每個(gè)東西都標(biāo)上名字，哪怕是長(zhǎng)得差不多的東西也得區(qū)分開。

實(shí)例分割可以看作是目標(biāo)檢測(cè)和語義分割的結(jié)合體。目標(biāo)檢測(cè)負(fù)責(zé)找出圖像中的對(duì)象并確定它們的位置，而語義分割則負(fù)責(zé)識(shí)別圖像中每個(gè)像素的類別。實(shí)例分割則更進(jìn)一步，它不僅要識(shí)別出每個(gè)像素的類別，還要區(qū)分出同一類別中不同的實(shí)例。

人體關(guān)鍵點(diǎn)檢測(cè)

就是用電腦來識(shí)別圖片或視頻里人的身體上特定的點(diǎn)，比如肩膀、肘部、手腕、髖關(guān)節(jié)、膝蓋和腳踝這些部位。這些點(diǎn)就像是人體的“關(guān)節(jié)”，它們?cè)谌梭w動(dòng)作中扮演著重要的角色。

場(chǎng)景文字識(shí)別

就像是給電腦裝上了一雙能看懂文字的眼睛，讓電腦能夠在照片或者視頻里識(shí)別出文字，不管是路標(biāo)上的指示牌、書籍的封面，還是菜單上的文字，電腦都能把它們“看”懂，并且轉(zhuǎn)換成電子文本。

目標(biāo)跟蹤

目標(biāo)跟蹤就是讓計(jì)算機(jī)能夠鎖定這個(gè)人或車，不管他們?cè)趺磩?dòng)，電腦都能在每一幀畫面里找到他們，就像用鼠標(biāo)點(diǎn)著他們不放一樣。

在體育比賽中，可以用來追蹤運(yùn)動(dòng)員的動(dòng)作；在交通監(jiān)控中，可以跟蹤車輛的流動(dòng)；或者在電影制作中，可以用來制作特效，讓電腦生成的圖像能夠跟著真實(shí)的演員或物體移動(dòng)。

如上文所見，計(jì)算機(jī)視覺確實(shí)是人工智能領(lǐng)域中一個(gè)非常關(guān)鍵的分支，我們生活在一個(gè)視覺信息爆炸的時(shí)代，照片、視頻無處不在，能夠從這些數(shù)據(jù)中提取有用信息的技術(shù)當(dāng)然非常有價(jià)值。計(jì)算機(jī)視覺CV崗，也是招聘網(wǎng)站人工智能算法工程師最熱門的一個(gè)招聘方向。你可能已經(jīng)在想：“聽著是不錯(cuò)，但我怎么才能掌握這門技術(shù)并把它應(yīng)用于實(shí)際工作中呢？”這就是我們推出人工智能課程的原因，就是想幫你把這高大上的知識(shí)，變成你手里實(shí)實(shí)在在的技能。

五、計(jì)算機(jī)視覺體系化學(xué)習(xí)路線圖

下圖是華清遠(yuǎn)見整個(gè)人工智能體系課的學(xué)習(xí)路徑，主要包括前期的基礎(chǔ)課程、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的通用算法課程、不同AI應(yīng)用領(lǐng)域的高級(jí)算法課程（包括計(jì)算機(jī)視覺、自然語言處理、大模型等）及綜合項(xiàng)目實(shí)戰(zhàn)課程。整體全體系課程是面向企業(yè)招聘，覆蓋了90%AI崗位技能。

對(duì)于想學(xué)習(xí)計(jì)算機(jī)視覺的同學(xué)，可以重點(diǎn)學(xué)習(xí)下圖紅框和綠框的課程內(nèi)容，其中紅框部分是計(jì)算機(jī)視覺相關(guān)核心技術(shù)點(diǎn)，綠框部分是學(xué)習(xí)計(jì)算機(jī)視覺之前需要掌握的一些基礎(chǔ)知識(shí)。按照下圖順序，即可完成計(jì)算機(jī)視覺從零基礎(chǔ)入門到項(xiàng)目實(shí)戰(zhàn)的完整學(xué)習(xí)。

所以我們的計(jì)算機(jī)視覺人工智能課程從基礎(chǔ)課程+核心課程+項(xiàng)目課程出發(fā)詳細(xì)講解，通過算法原理講解+編程代碼實(shí)現(xiàn)+項(xiàng)目案例實(shí)戰(zhàn)的優(yōu)勢(shì)，幫助學(xué)生真正掌握計(jì)算機(jī)視覺技術(shù)。

算法原理講解部分，不同于普遍機(jī)構(gòu)只拿PPT講解或者單方面動(dòng)畫展示，我們采用圖形化交互的方式，將復(fù)雜的算法邏輯轉(zhuǎn)化為直觀的圖像和交互式模型，把算法分解成組件，隨意拖動(dòng)，更改參數(shù)，直觀“看到”算法的工作原理和過程，真正的講透、講懂。讓晦澀難懂的算法原理，變得簡(jiǎn)單易學(xué)！

代碼講解部分，有的機(jī)構(gòu)課程，代碼編程部分講的很少，而我們會(huì)為每個(gè)算法都搭配對(duì)應(yīng)的程序源碼，一行一行帶你學(xué)代碼編程。同時(shí)我們通過自動(dòng)生成Python代碼的方式來輔助教學(xué)，根據(jù)實(shí)際需求隨時(shí)生成和講解代碼，動(dòng)態(tài)調(diào)整參數(shù)，展示代碼的可視化變化，理解算法邏輯如何轉(zhuǎn)化為實(shí)際代碼，并提高學(xué)生的編程實(shí)踐能力，讓望而卻步的代碼編程，變得簡(jiǎn)單易學(xué)活用。

項(xiàng)目案例部分，很多機(jī)構(gòu)課程就是在自己電腦上跑跑，我們會(huì)針對(duì)每個(gè)技術(shù)點(diǎn)搭配小項(xiàng)目，讓你邊學(xué)邊練。還有3D大型綜合場(chǎng)景項(xiàng)目，每個(gè)場(chǎng)景里集成了多種算法，項(xiàng)目里每個(gè)涉及到的算法都可以單獨(dú)調(diào)試學(xué)習(xí)，邊玩邊學(xué)，這樣就能更深入地理解每個(gè)算法是怎么工作的。

華清遠(yuǎn)見深耕人工智能領(lǐng)域多年，花了3年時(shí)間精心打磨的人工智能在線實(shí)驗(yàn)平臺(tái)，實(shí)打?qū)嵔鉀Q了學(xué)生學(xué)習(xí)人工智能算法難、編程難、應(yīng)用場(chǎng)景難三大痛點(diǎn)，大大降低了人工智能教學(xué)的難度，使得學(xué)生能夠在一個(gè)高效的環(huán)境中學(xué)習(xí)AI，實(shí)現(xiàn)了教育體系與產(chǎn)業(yè)實(shí)踐的無縫對(duì)接，有效培養(yǎng)了符合現(xiàn)代產(chǎn)業(yè)發(fā)展需求的人工智能人才。

可視化的理論教學(xué)+支持實(shí)操的學(xué)習(xí)平臺(tái)+多年行業(yè)沉淀的公司，幫助你全面掌握計(jì)算機(jī)視覺知識(shí)，給職業(yè)生涯多一份技術(shù)保障！

AI體系化學(xué)習(xí)路線

學(xué)習(xí)資料免費(fèi)領(lǐng)

? AI全體系學(xué)習(xí)路線超詳版

? AI體驗(yàn)卡(AI實(shí)驗(yàn)平臺(tái)體驗(yàn)權(quán)限)

? 100余講AI視頻課程

? 項(xiàng)目源碼《從零開始訓(xùn)練與部署YOLOV8》

? 170余篇AI經(jīng)典論文