介紹

計算機視覺是數(shù)據(jù)科學(xué)世界中最熱門的研究領(lǐng)域之一。而且，它已經(jīng)成為我們個人生活的一部分。我們都知道或不知道地使用各種功能，這些功能在后端運行計算機視覺技術(shù)。例如，我們在智能手機中使用面部解鎖。下圖有效地說明了人臉檢測的工作原理。

我選擇人臉檢測作為本文的開頭，因為我們都已經(jīng)看到這是計算機視覺的一種應(yīng)用。但是計算機視覺不僅限于此。在本文中，你將探索計算機視覺的更多有趣應(yīng)用。

目錄

• 什么是計算機視覺？
• 使用計算機視覺進(jìn)行姿態(tài)估計
• 使用Gans進(jìn)行圖像轉(zhuǎn)換
• 開發(fā)社交距離工具的計算機視覺
• 將2D圖像轉(zhuǎn)換為3D模型
• 醫(yī)學(xué)圖像分析

什么是計算機視覺？

在進(jìn)入計算機視覺應(yīng)用程序世界之前，首先，讓我們了解一下計算機視覺是什么？簡而言之，計算機視覺是人工智能的一個多學(xué)科分支，旨在復(fù)制人類視覺的強大功能。

如果是正式定義，

“計算機視覺是一種實用工具，可以根據(jù)感知到的圖像對實際的物理對象和場景做出有用的決策”（Sockman＆Shapiro，2001）

計算機視覺通過諸如圖像分類，對象檢測，圖像分割，對象跟蹤，光學(xué)字符識別，圖像字幕等視覺識別技術(shù)來工作。我知道這些是很多技術(shù)術(shù)語，但理解它們并不難。只需看下面的圖片，你就會了解許多這些術(shù)語。

讓我們從第一張圖片開始。如果我問你圖片中有什么？你的答案將是，它是一只貓。這其實是對圖片進(jìn)行了分類。這意味著基于圖像的分類標(biāo)記圖像。這里的類別是“貓”。

現(xiàn)在你知道圖像的類別了。下一個問題是對象在圖像中的位置。當(dāng)我們確定對象在框架中的位置并在其周圍創(chuàng)建一個邊界框時，這稱為定位。在第二張圖像中，我們已經(jīng)確定了對象的位置并將其標(biāo)記為貓。

下一項是對象檢測。在前兩種情況下，圖像中只有一個對象，但是如果存在多個對象該怎么辦。在這里，我們通過邊界框確定存在的實例及其位置。

在對象檢測中，我們使用形狀為正方形或矩形的邊界框，但是它不能告訴任何有關(guān)對象形狀的信息。實例分割會在每個對象周圍創(chuàng)建一個像素級蒙版。因此，實例分割使人們對圖像有了更深入的了解。

近期發(fā)展

深度學(xué)習(xí)方法的最新發(fā)展和技術(shù)的進(jìn)步極大地提高了視覺識別系統(tǒng)的功能。結(jié)果，計算機視覺已被公司迅速采用?？梢栽谡麄€工業(yè)領(lǐng)域看到成功的計算機視覺用例，從而擴大了應(yīng)用范圍，并增加了對計算機視覺工具的需求。

現(xiàn)在，讓我們一起來看看計算機視覺的5個令人興奮的應(yīng)用程序。

使用計算機視覺進(jìn)行姿態(tài)估計

姿態(tài)估計是計算機視覺的一個很有趣的應(yīng)用。你一定已經(jīng)聽說過Posenet，它是用于人體姿態(tài)估計的開源模型。簡而言之，姿態(tài)估計是一種計算機視覺技術(shù)，可以推斷圖像/視頻中存在的人或物體的姿勢。

在討論姿態(tài)估計的工作之前，讓我們首先了解“人體姿勢骨架”。它是定義一個人的姿勢的一組坐標(biāo)。一對坐標(biāo)稱為肢體。此外，通過識別，定位和跟蹤圖像或視頻中人類姿勢骨架的關(guān)鍵點來執(zhí)行姿態(tài)估計。

以下是人體姿態(tài)估計的一些應(yīng)用-

• 用于實時體育分析或監(jiān)視系統(tǒng)的活動識別。
• 增強現(xiàn)實體驗
• 訓(xùn)練機器人
• 動畫和游戲

如果你想自己開發(fā)一個姿態(tài)估計模型，下面是一些可能用到的數(shù)據(jù)集：

• MPII http://human-pose.mpi-inf.mpg.de/
• COCO keypoint challenge https://cocodataset.org/#download
• HUMANEVA http://humaneva.is.tue.mpg.de/

使用Gans進(jìn)行圖像轉(zhuǎn)換

Faceapp是一個非常有趣和流行的應(yīng)用程序。它是一種圖像處理工具，可使用濾鏡轉(zhuǎn)換輸入圖像。過濾器可能包括老化或最近的一個性別交換過濾器。

看上面的圖片，有趣嗎？幾個月前，這是互聯(lián)網(wǎng)上的熱門話題。人們在交換性別后分享圖片。但是這類應(yīng)用程序背后的技術(shù)是什么？是的，你猜對了，它是計算機視覺，更具體地說，它是一個深層次的卷積生成的對抗性網(wǎng)絡(luò)。

生成對抗網(wǎng)絡(luò)，俗稱GAN，是計算機視覺領(lǐng)域的一項令人振奮的創(chuàng)新。盡管GAN是一個古老的概念，但目前的形式是由Ian Goodfello在2014年提出的。從那以后，它有了許多發(fā)展。

GAN的訓(xùn)練涉及兩個相互競爭的神經(jīng)網(wǎng)絡(luò)，根據(jù)給定訓(xùn)練數(shù)據(jù)的分布生成新的數(shù)據(jù)。盡管最初提出作為一種無監(jiān)督學(xué)習(xí)機制，但是GAN證明了自己是有監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的理想選擇。

以下是一些數(shù)據(jù)集，可幫助你獲得GANs的實踐經(jīng)驗

• CelebA http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html
• Flicker face dataset https://github.com/NVlabs/ffhq-dataset
• Cartoonset https://google.github.io/cartoonset/

應(yīng)用領(lǐng)域

使用Gans生成的圖像的應(yīng)用程序有很多。以下是它的一些應(yīng)用程序

• 風(fēng)格遷移和照片修復(fù)中的圖像到圖像翻譯
• 圖像超分辨率
• 文字到圖像的生成
• 圖片編輯
• 語義圖像到照片的翻譯

如果你發(fā)現(xiàn)更有趣的內(nèi)容，請留言告訴我。

開發(fā)社交距離工具的計算機視覺

在過去的幾個月中，世界正遭受大流行COVID-19的困擾。發(fā)現(xiàn)在沒有該疾病的疫苗之前，我們所有人都必須采取預(yù)防措施，使用洗手液，口罩，最重要的是保持社交距離。

在這種關(guān)鍵情況下，計算機視覺技術(shù)可以發(fā)揮至關(guān)重要的作用。它可用于跟蹤房屋或特定區(qū)域中的人員，以了解他們是否遵守社會距離規(guī)范。

社交距離工具是對象檢測和實時跟蹤的應(yīng)用程序。在這種情況下，為了檢查社交距離違規(guī)行為，我們使用邊界框檢測視頻中存在的每個人。稍后，我們跟蹤框架中每個框的運動并計算它們之間的距離。如果它檢測到任何違反社會距離規(guī)范的行為，則將突出顯示那些邊界框。

此外，為使這些工具更先進(jìn)，更準(zhǔn)確，你可以使用遷移學(xué)習(xí)技術(shù)。各種預(yù)訓(xùn)練的對象檢測模型（如YOLO或Mask R-CNN）也都存在。

將2D圖像轉(zhuǎn)換為3D模型

這是計算機視覺的另一個非常有趣的應(yīng)用。它將二維圖像轉(zhuǎn)換為3D模型。例如，假設(shè)你有舊收藏中的一張照片，并且能夠?qū)⑵滢D(zhuǎn)換為3D模型并像在那兒一樣進(jìn)行檢查。

Deep Mind的研究人員提出了一個在相似的系統(tǒng)上工作的AI系統(tǒng)。它被稱為Generative Query Network（生成查詢網(wǎng)絡(luò)），它可以像人類一樣從不同角度感知圖像。

此外，Nvidia還開發(fā)了一種AI架構(gòu)，可以根據(jù)圖像預(yù)測3D屬性。同樣，F(xiàn)acebook AI提供了一種類似的工具，稱為3D照片功能。

以下是一些相關(guān)的數(shù)據(jù)集，可供你進(jìn)行試驗

• IKEA dataset http://ikea.csail.mit.edu/
• Opensurface dataset http://opensurfaces.cs.cornell.edu/
• NYU Depth dataset https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
• ObjectNet3D https://cvgl.stanford.edu/projects/objectnet3d/

應(yīng)用領(lǐng)域

現(xiàn)在，你必須考慮該技術(shù)的用例。以下是其應(yīng)用

• 動畫與游戲
• 機器人技術(shù)
• 自動駕駛汽車
• 醫(yī)學(xué)診斷和外科手術(shù)

醫(yī)療保健中的計算機視覺：醫(yī)學(xué)圖像分析

很長一段時間以來，計算機支持的醫(yī)學(xué)圖像被用于診斷，如CT掃描、X射線等。此外，計算機視覺技術(shù)的最新發(fā)展使醫(yī)生能夠通過將圖像轉(zhuǎn)換為三維交互式模型來更好地理解這些圖像，并使其更易于解釋。

如果我們看一下計算機視覺的最新使用案例，那么我們會發(fā)現(xiàn)它是在用胸部x光檢查COVID-19病例。此外，根據(jù)武漢市放射科的一項研究，深度學(xué)習(xí)方法可以有效地區(qū)分Covid-19和社區(qū)獲得性肺炎。

檢查一下由Kaggle提供的COVID-19胸部x光數(shù)據(jù)集，并在實施過程中自己動手。

• COVID-19胸部x光數(shù)據(jù)集：https://www.kaggle.com/bachrr/covid-chest-xray

同時，如果你想在另一個數(shù)據(jù)集上工作，那么你也可以在Kaggle上獲得CT醫(yī)學(xué)圖像（https://www.kaggle.com/kmader/siim-medical-images） 。

尾注

總而言之，計算機視覺是人工智能的一個引人入勝的領(lǐng)域。在本文中，我討論了一些我發(fā)現(xiàn)很有趣的東西。但這只是冰山一角。