• AI机器视觉赋能传统行业升级

  • 2019.07.03
当前位置:首页 > 行业动态 > AI机器视觉赋能传统行业升级

AI机器视觉
产品没有固定的形态,只是一种将传统产品和服务赋能的一种手段,有了机器视觉技术,将会使产品逻辑化繁为简,降低用户学习成本,提升产业的商业价值。目前AI机器视觉技术已经广泛运用于多个领域,如自动驾驶、机器人、电商、语音与图像识别、人机交互、智能控制、医疗诊断等。

AI机器视觉的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的信息。目前主要类型有以下几种:
1、物体检测:是视觉感知的第一步,也是计算机视觉的一个重要分支。物体检测的目标,就是用框去标出物体的位置,并给出物体的类别(标签定义)。物体检测和图像分类不一样,检测侧重于物体的搜索,而且物体检测的目标必须要有固定的形状和轮廓。图像分类可以是任意的目标,这个目标可能是物体,也可能是一些属性或者场景;

2、物体识别:计算机视觉的经典问题便是判定一组图像数据中是否包含某个特定的物体,图像特征或运动状态。这一问题通常可以通过机器自动解决,但是目前物体识别还是会受到光照、背景和目标姿态的限定。

3、图像分类:一张图像中是否包含某种物体,对图像进行特征描述是物体分类的主要研究内容。目前分类算法主要是通过手工特征或特征学习的方法对整个图像进行全局描述,然后使用分类器判断是否存在某类物体。图像分类问题就是给输入图像分配标签的任务,这是计算机视觉技术的核心问题之一。这个过程往往与机器学习和深度学习不可分割。

4、物体定位:如果说图像识别解决的What,那么物体定位解决的则是Where的问题。利用计算机视觉技术找到图像中某一目标物体在图像中的位置,即定位。目标物体的定位对于计算机视觉安防、自动驾驶等领域的应用有着至关重要的意义。

5、图像分割:在图像处理过程中,有时会需要对图像进行分割来提取有价值的用于后继处理的部分,例如筛选特征点或者分割一或多幅图片中含有特定目标的部分。图像分割的目的是简化或改变图像的表示形式,图像分割是对图像中的每个像素加标签的一个过程,这一过程使得具有相同标签的像素具有某种共同视觉物性。
整个机器视觉过程其本质是模拟人类的感知与观察的一个过程。这个过程不止识别,而是包含了一系列的过程,并且最终是可以在人工系统中被理解和实现的。 
 
分享:

返回顶部