对象识别
计算机视觉AI的这个分支涉及检测图像或视频中的一个或多个事物。例如，监控摄像头可以智能地识别人类及其活动（没有运动，枪支或刀具等东西），因此这些可疑活动被标记。
图像分割
图像分割是一种像素级计算机视觉技术，用于确定给定图像中的内容。它不同于图像识别（使用一个或多个标签标记完整图像）和对象检测（通过在图像周围创建边界框来定位图像内的内容）。图像分割提供有关图像内容的更细粒度的信息。
图像分类
图像分类是根据图像周围的视觉内容对图像进行分类的过程。该过程需要专注于相邻像素之间的关系。具有预定模式的数据库组成了分类系统。
将这些模式与已识别的对象进行比较以确定其分类。车辆导航、生物测量、视频监控、生物医学成像等领域都受益于图像分类。
实时增强
增强现实应用严重依赖计算机视觉。该技术使AR应用程序能够实时检测物理事物（物理位置内的表面和单个物体），并利用这些数据在物理环境中定位虚拟物体。
面部识别
面部识别技术的目标是识别照片中的物品或人脸。由于人脸的多样性-表情，态度，肤色，相机质量，位置或方向，图像分辨率等-它是计算机视觉更困难的应用之一。
然而，这种方法被广泛采用。它用于在智能手机上对用户进行身份验证。当Facebook为照片中的人物建议标签时，它采用了相同的方法。
识别模式和识别边缘
系统发现属性或数据模式的能力称为模式识别。模式可以是循环数据序列或已添加到系统中的一组数据。
在图片中查找对象的边缘就是边缘检测的全部内容。这是通过检测亮度不连续性来实现的。在数据提取和图像分割中，边缘检测非常有用。
农业
许多农业公司使用计算机视觉来监测收成并处理常见的农业问题，如杂草生长和养分不足。计算机视觉系统分析来自卫星、无人机和飞机的照片，以便及早发现问题，从而避免可避免的经济损失。
关键词：
AI
机器视觉
工业
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
相关文章
