发帖
雷达卡
计算机视觉：解决与图像数据有关的许多问题的关键概念
计算机视觉正从新兴阶段发展而来，其结果在各种应用中都非常有用。正是在我们的手机相机中，它可以识别人脸。它可用于自动驾驶汽车中，以识别交通信号，标志和行人。同样，它是在工业机器人中监视问题并在同事之间导航。
Computer Vision的主要目的是使计算机像人类一样看待和澄清世界，或者比我们更好。计算机视觉通常使用诸如C ++，Python和MATLAB之类的编程语言。这是增强现实技术的重要技术。需要学习的流行计算机视觉工具是OpenCV，Tensorflow，Gpu，YOLO，Keras等。计算机视觉领域大量包含数字信号处理，神经科学，图像处理，模式识别，机器学习（ML）等领域的概念。 ，机器人技术和人工智能（AI）。
在这里，我将解释“计算机视觉管道”的详细结构。
在继续之前，我们先了解一下计算机视觉到底是什么：
计算机视觉是使计算机理解并标记图像中存在的内容的领域。
例如，看下面给出的图像：
计算机视觉
服装，鞋类和手袋
根据上面的图像，要解释什么是连衣裙或鞋子是什么，要详细说明以前从未看过的衣服并不容易。Computer Vision也存在同样的问题。
要解决该问题，我们需要使用大量衣服，鞋子和手袋的图片，并告诉计算机该图片是什么，然后让计算机找出可以使您区分衣服，鞋子，衬衫的图案。和手袋。
计算机视觉应用：
计算机视觉已被广泛应用于各个领域。这里有一些例子：
识别对象和行为
自动驾驶汽车
医学图像分析与诊断
照片标记
人脸识别
计算机视觉管道：
计算机视觉管道是大多数计算机视觉应用程序将经历的一系列步骤。许多视觉应用程序从获取图像和数据开始，然后处理该数据，执行一些分析和识别步骤，最后执行一个动作。
通用管道如下图所示：
计算机视觉
通用计算机视觉管道
了解流水线实际上如何工作。让我们来看一下面部识别管道，如下所示：
人脸识别管道
主要步骤或第一步都是关于标准化数据。因此，让我们了解标准化数据。
标准化数据：
预处理图像是所有关于标准化输入图像的信息，以便您可以沿管道进一步移动并以相同方式分析图像。在机器学习任务中，预处理步骤通常是最重要的步骤之一。
例如，假设您创建了一个简单的算法来区分红玫瑰和其他花朵：
计算机视觉
简单分类算法
该算法计算给定图像中红色像素的数量，如果像素数量足够，它将分类为红色玫瑰。在此示例中，我们仅提取颜色特征。
注意：如果图像大小不同，甚至裁剪方式不同，则这种计数策略可能会失败！因此，必须对图像进行预处理，以便在图像沿着管道移动之前对其进行标准化。
图片作为数值数据：
图像中的每个像素都只是一个数值，我们也可以更改这些像素值。我们可以将每个像素乘以一个标量以更改图像的亮度，可以将每个像素值向右移动，以及进行更多操作。
将图像视为数字网格是许多图像处理技术的基础。大多数颜色和形状转换都是通过对图像进行数学运算并逐像素更改来完成的。
训练神经网络：
为了训练神经网络，我们通常提供标记图像集，我们可以将其与预测的输出标记或识别测量结果进行比较。然后，神经网络通过修改发现和区分图像数据中的图案和差异的方式来监视它所犯的任何错误并进行纠正。
梯度下降是使神经网络中的误差最小化的数学方法。
X =输入
a =激活功能
W = CNN中的权重
J =损失函数
阿尔法=学习率
y =基本事实
y =预测
k =迭代次数
电子表格
卷积神经网络是计算机视觉应用中常用的一种特定类型的神经网络。他们学会识别给定图像集中的图案。
题库
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
