人工智能应用概论教学课件：第6章-计算机视觉技术.pptxVIP

《人工智能应用概论》第六章 计算机视觉技术PART1神经网络与深度学习技术原理【案例】 重温五四，你最像哪位文艺青年。 设计上，以白色为背景，红蓝色调交叉，表达出五四青年节的主题。体验上，使用图片识别的技术，识别与用户上传的照片相似的有为青年，是一个很有意思的创意活动。技术上通过人脸检测与分析技术和人脸检索技术，将用户上传的照片与特定形象进行脸部层面的检索对比，通过匹配分析找出数据库中外貌特征与用户最为相似的一张照片。 该创意为后续人工智能娱乐产品设计提供了参考。66.1 计算机视觉技术原理6.1.1.计算机视觉技术分类1. 图像分类 根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。66.1 计算机视觉技术原理6.1.1.计算机视觉技术分类1. 图像分类目前较为流行的图像分类架构是卷积神经网络（CNN）。66.1 计算机视觉技术原理6.1.1.计算机视觉技术分类2. 对象检测识别图像中的对象这一任务，通常会涉及到各个对象输出边界框和标签。对象检测目标是对很多对象进行分类和定位。在多对象检测中，你必须使用边界框检测所给定图像中的所有目标。66.1 计算机视觉技术原理6.1.1.计算机视觉技术分类2. 对象检测神经网络研究人员建议使用区域（region）这一概念，这样我们就会找到可能包含对象的“斑点”图像区域。RCNN是将卷积神经网络CNN引入目标检测的开山之作,更快、更高效的检测系统在 You Only Look Once（YOLO），Single Shot MultiBox Detector（SSD）和基于区域的全卷积网络（ R-FCN ）算法中尤为明显。66.1 计算机视觉技术原理6.1.1.计算机视觉技术分类3. 目标跟踪视觉目标跟踪是计算机视觉中的一个重要研究方向，有着广泛的应用，如：视频监控、人机交互、无人驾驶等。66.1 计算机视觉技术原理6.1.1.计算机视觉技术分类3. 目标跟踪视觉目标（单目标）跟踪任务就是在给定某视频序列初始帧的目标大小与位置的情况下，预测后续帧中该目标的大小与位置。输入初始化目标框,在下一帧中产生众多候选框（Motion Model）提取这些候选框的特征（Feature Extractor）,然后对这些候选框评分（Observation Model）最后在这些评分中找一个得分最高的候选框,作为预测的目标（Prediction A）66.1 计算机视觉技术原理6.1.1.计算机视觉技术分类4. 语义分割语义分割是计算机视觉中十分重要的领域，它是指像素级地识别图像，即标注出图像中每个像素所属的对象类别。66.1 计算机视觉技术原理6.1.1.计算机视觉技术分类4. 语义分割简单来说，分割的目标一般是将一张RGB图像(高度x宽度x 三通道rgb）或是灰度图（高度x宽度x单通道1）作为输入，输出的是分割图。 66.1 计算机视觉技术原理6.1.2.计算机视觉技术发展历程1. 5亿4千万年前-寒武纪生命大爆发5亿4千万年前，生物很简单，漂浮着，等待食物漂过嘴边。因为有的生物进化出了眼睛，才促使大爆发的。所以，视觉的诞生促进了生命大爆发.66.1 计算机视觉技术原理6.1.2.计算机视觉技术发展历程1. 照相暗盒——为了复制我们看到的世界达芬奇，在植物学，物理，数学，建筑等诸多领域都有很多贡献。这些发明创造被后人编辑成册，称为《大西洋古抄本》。其中就描述了暗盒的装置，它就是照相机的前身。通过小孔成像原理将外部的景象投影在暗盒的另一侧，再透过一个镜面反射到上面的玻璃上就可以进行临摹。66.1 计算机视觉技术原理6.1.2.计算机视觉技术发展历程3. 计算机视觉技术萌芽-现代机器视觉技术的产生七八十年代，随着现代电子计算机的出现，计算机视觉技术也初步萌芽。这一阶段的应用主要是一些光学字符识别、工件识别、显微/航空图片的识别等等。九十年代至二十一世纪初，计算机视觉技术取得了更大的发展，广泛应用于工业领域。66.1 计算机视觉技术原理6.1.2.计算机视觉技术发展历程4. 人工智能的眼睛-计算机视觉技术 七八十年代，随着现代电子计算机的出现，计算机视觉技术也初步萌芽。这一阶段的应用主要是一些光学字符识别、工件识别、显微/航空图片的识别等等。九十年代，计算机视觉技术取得了更大的发展，广泛应用于工业领域。66.1 计算机视觉技术原理6.1.2.计算机视觉技术发展历程机器视觉在ILSVRC的比赛成绩屡创佳绩，其错误率已经低于人类视觉4. 人工智能的眼睛-计算机视觉技术 借助于机器学习与深度学习的力量，自动从海量数据中总结归纳物体的特征，然后进行识别和