下載 App
關注我們
  • Facebook
  • YouTube
  • Instagram
  • TikTok
  • X
首頁wiki電腦視覺

電腦視覺

2026-11-10 12:11:08

概念定義

電腦視覺(computer vision)係人工智能嘅一個子領域,研究點樣令電腦由影像入面辨認物件、判斷物件位置、識別人面,以及理解畫面所表達嘅內容。人類睇到影像時可以直接聯想到物件同場景,但電腦接收到嘅首先係像素數值,所以電腦視覺需要將數字化影像轉化成可以分類、定位或者描述嘅資訊。

工作原理

電腦視覺系統先由光感應器取得訊號,再將訊號轉成電腦可以儲存同運算嘅數碼影像。以 RGB 色彩模式為例,每個像素由紅、綠、藍三個數值表示,各數值範圍由 0 至 255;大量像素排列成矩陣,就構成電腦所處理嘅畫面。

影像經過事先處理之後,系統會利用演算法抽取同分析特徵。人工神經網絡係其中一種運算方法:網絡由多層人工神經細胞組成,每粒細胞嘅啟動程度受前一層細胞數值同相應權重影響。輸入層接收影像像素資料,資料逐層傳遞,輸出層再按任務產生分類或者判斷結果。

採用機器學習時,研究者會準備訓練集,當中包括輸入影像同已知答案。系統比較自身輸出同正確答案之間嘅落差,再按學習法則調整網絡權重。經過大量個案運算之後,模型參數會逐步改變,之後可用嚟處理新影像。

技術構成與細分任務

圖像分類係基礎任務之一,要求系統按預先設定嘅語義標籤,將圖片歸入相應類別。分類並定位除咗判斷類別,亦要指出物件喺圖片入面嘅位置;物體檢測就要喺同一畫面辨認一件或多件物件。姿態估計會由影像關鍵點建立人物等對象嘅姿態骨架。

影像分割會進一步劃出物件所佔嘅像素範圍。語義分割按房屋、車輛、人物等大類區分畫面區域;實例分割則分開同類之中每一個獨立物件,例如分辨唔同人物或者唔同車輛。當視覺理解結合自然語言處理,系統亦可以執行影像描述生成,以及按圖片內容回答問題。

技術難點

電腦視覺需要跨越像素數值同語義概念之間嘅鴻溝。同一物件喺唔同角度、光影、形變同環境之下,像素表現可以有明顯差異;遮擋、複雜背景同同類物件本身嘅不同變體,亦會增加分類、定位同分割嘅難度。

應用場景

電腦視覺可用喺自動駕駛系統,協助辨認周圍物件同判斷佢哋嘅位置;亦可用於人面識別。手勢識別會結合電腦視覺、傳感器同機器學習演算法,分析使用者動作。醫療影像亦係應用場景之一,例如利用已標示診斷結果嘅 X 光片訓練神經網絡,再對新影像作出判斷。

意見反饋