计算机视觉是什么？
人类用眼睛和大脑看世界，一秒钟就能认出「这是一只猫」。计算机视觉（CV）要做的，就是让机器也学会这套本领——从一张图或一段视频里，认出物体、看懂场景、追踪运动，甚至理解正在发生什么。它是怎么工作的？
图像就是数字对机器来说，一张照片其实是一大堆像素数字，每个像素有红绿蓝三个值。计算机视觉的任务，就是从这些数字里「看出」猫、车、人脸。
从特征到语义
早期的做法是手工设计特征，如今更多靠卷积神经网络（CNN）自动学。网络一层层提炼，从边缘、纹理，再到眼睛、耳朵，最后拼出「猫」这个概念。
它已经用在哪些地方？
自动驾驶摄像头实时识别车道线、行人、车辆和交通标志，帮车「看清」路况。
安防监控
从海量录像里自动发现异常，甚至识别人脸和车牌。
医疗影像
AI 帮医生在 CT、X 光片里找病灶，早发现早治疗。
手机拍照
人像模式、夜景合成、扫码，背后都是计算机视觉。
它难在哪？
对人类「一眼就懂」的事，机器其实很难：遮挡、光照变化、角度不同，都会让它「看走眼」。这也是为什么它需要海量标注数据来训练。一句话记住：计算机视觉，就是给机器装上一双能「看懂」世界的眼睛。
评论