通過使用計(jì)算機(jī)視覺技術(shù)，計(jì)算機(jī)可以對事物進(jìn)行視覺識別或確認(rèn)。例如，其可以檢測并區(qū)分汽車和人。那，計(jì)算機(jī)視覺是如何實(shí)現(xiàn)其目標(biāo)的?

這項(xiàng)技術(shù)利用大量的數(shù)據(jù)運(yùn)作，從中獲得知識。其可以攝取和分析數(shù)據(jù)，包括種類、模式和質(zhì)量，例如,可以用來識別一個(gè)項(xiàng)目隨著時(shí)間的推移。這是一項(xiàng)非常多層次和復(fù)雜的技術(shù)。人工驅(qū)動的計(jì)算機(jī)視覺有幾個(gè)應(yīng)用。盡管是早期的，但報(bào)告表明，在許多不同的行業(yè)中，使用計(jì)算機(jī)視覺對各組織大有裨益。下面是一些實(shí)例和描述。

• 醫(yī)務(wù)人員可以使用人工智能算法掃描不同的成像文件，包括X射線和磁共振圖像，發(fā)現(xiàn)異常和困難，并提高診斷。
• 全球零售巨頭可能會利用人工智能驅(qū)動的計(jì)算機(jī)視覺，最大限度地提高供應(yīng)鏈的效率，提高整體生產(chǎn)率。此外，其可以用來提高客戶體驗(yàn)和降低流動率。零售巨頭利用這項(xiàng)技術(shù)發(fā)現(xiàn)空貨架，補(bǔ)充庫存，并根據(jù)客戶的偏好、瀏覽或購物習(xí)慣向其推薦相關(guān)商品。
• 借助于計(jì)算機(jī)視覺，自動駕駛汽車可以理解周圍環(huán)境。人類駕駛員不會操作自動駕駛汽車。因此，精確的物品和環(huán)境識別對于避免悲劇至關(guān)重要。
• 當(dāng)局已經(jīng)開始利用人工智能驅(qū)動的計(jì)算機(jī)視覺來監(jiān)控機(jī)場、博物館、體育場和火車站等公共區(qū)域，以快速發(fā)現(xiàn)可疑活動或陰暗的個(gè)人活動，或突出潛在的威脅?？萍荚跍p少犯罪方面正變得越來越有效。
• 農(nóng)作物的質(zhì)量、土壤狀況以及許多植物疾病的檢測都在使用人工智能計(jì)算機(jī)視覺進(jìn)行評估。這項(xiàng)技術(shù)可極大地幫助農(nóng)民利用其來增加農(nóng)業(yè)產(chǎn)量和盡量減少資源浪費(fèi)。

計(jì)算機(jī)視覺的技術(shù)主要依靠人工智能和機(jī)器學(xué)習(xí)。人工智能使計(jì)算機(jī)視覺能夠理解、識別和分析各種各樣的視覺輸入。人工智能模型、邏輯模型和模型可以快速攝取、吸收和學(xué)習(xí)大量的標(biāo)記和未標(biāo)記的視覺輸入。具有計(jì)算機(jī)視覺的計(jì)算機(jī)能夠在電影、圖像和信息圖形中區(qū)分出獨(dú)特的特征、圖案和相關(guān)性。機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，其使計(jì)算機(jī)視覺成為可能.

機(jī)器學(xué)習(xí)使用大量的訓(xùn)練數(shù)據(jù)集來發(fā)現(xiàn)模式。即使是最復(fù)雜的照片、特征、特征或物體，也可以使用機(jī)器學(xué)習(xí)算法或邏輯找到。即使是最復(fù)雜的照片也可以使用機(jī)器學(xué)習(xí)進(jìn)行分割，這也可以尋找異常情況。利用圖像分割，計(jì)算機(jī)可以把一張圖片分成其邏輯組成部分。例如，其可以根據(jù)車窗、擋風(fēng)玻璃、車輪和轉(zhuǎn)向等特征對汽車進(jìn)行分類。由于圖像分割，其可以區(qū)分幾個(gè)邏輯部分。

此外，圖像分割更深入地探究并確定每個(gè)組件的獨(dú)特特征。整個(gè)過程錯(cuò)綜復(fù)雜，風(fēng)險(xiǎn)很大。不準(zhǔn)確的數(shù)據(jù)識別和處理可能導(dǎo)致錯(cuò)誤的結(jié)論。例如，如果一輛自動駕駛汽車在路上行駛，錯(cuò)誤地將穿條紋襯衫的行人識別為斑馬線，那么就會造成災(zāi)難性的后果。