圖像識別與計算機視覺IMAGERECOGNITIONANDCOMPUTERVISION主講人：胡水清清??目錄CONTENT01計算機視覺的種類02圖像識別的發展過程01計算機視覺的種類

計算機視覺是使用計算機及相關設備對生物視覺的一種模擬。它的主要任務就是通過對采集的圖片或視頻進行處理以獲得相應場景的三維信息，就像人類和許多其他類生物每天所做的那樣。

圖像分類算法流程樣本示例數據特征提取與原圖對比圖像分類圖像類別輸出新圖像增加模型（預測函數）推理預測

計算機參數更新01計算機視覺的種類風格遷移圖像重構超分辨率圖像分類圖像分割目標檢測人臉圖像生成01計算機視覺的種類

圖像分類，也可以稱為圖像識別，顧名思義，就是辨別圖像是什么，或者說圖像中的物體屬于什么類別。圖像分類根據不同分類標準可以劃分為很多種子方向。圖像分類(ImageClassification)01計算機視覺的種類比如根據類別標簽，可以劃分為：二分類問題，比如判斷圖片中是否包含人臉；多分類問題，比如鳥類識別；

多標簽分類，每個類別都包含多種屬性的標簽，比如對于服飾分類，可以加上衣服顏色、紋理、袖長等標簽，輸出的不只是單一的類別，還可以包括多個屬性。圖像分類(ImageClassification)01計算機視覺的種類

根據分類對象，可以劃分為：通用分類，比如簡單劃分為鳥類、車、貓、狗等類別；

細粒度分類，目前圖像分類比較熱門的領域，比如鳥類、花卉、貓狗等類別，它們的一些更精細的類別之間非常相似，而同個類別則可能由于遮擋、角度、光照等原因就不易分辨。圖像分類(ImageClassification)01計算機視覺的種類

目標檢測通常包含兩方面的工作，首先是找到目標，然后就是識別目標。目標檢測可以分為單物體檢測和多物體檢測，即圖像中目標的數量，例子如下所示：

以下兩個例子是來自VOC2012數據集的圖片目標檢測(ObjectDetection)01計算機視覺的種類

圖像分割是基于圖像檢測的，它需要檢測到目標物體，然后把物體分割出來。一個圖形分割的例子如下所示，上圖就是一個實例分割的例子，用不同的顏色表示不同的實例。圖像分割(ObjectSegmentation)01計算機視覺的種類

風格遷移是指將一個領域或者幾張圖片的風格應用到其他領域或者圖片上。比如將抽象派的風格應用到寫實派的圖片上。

一個風格遷移的例子如下,圖A是原圖，后面的B-F五幅圖都是根據不同風格得到的結果。風格遷移(StyleTransfer)01計算機視覺的種類

圖像重構，也稱為圖像修復(ImageInpainting)，其目的就是修復圖像中缺失的地方，比如可以用于修復一些老的有損壞的黑白照片和影片。通常會采用常用的數據集，然后人為制造圖片中需要修復的地方。圖像重構(ImageReconstruction)

例子來自論文"ImageInpaintingforIrregularHolesUsingPartialConvolutions"01計算機視覺的種類超分辨率(Super-Resolution)超分辨率是指生成一個比原圖分辨率更高、細節更清晰的任務。圖例來自論文"Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork"。

圖像生成是根據一張圖片生成修改部分區域的圖片或者是全新的圖片的任務。這個應用最近幾年快速發展，主要原因也是由于生成式對抗網絡GANs是最近幾年非常熱門的研究方向，而圖像生成就是GANs的一大應用。01計算機視覺的種類圖像生成(ImageSynthesis)01計算機視覺的種類

人臉方面的應用，包括人臉識別、人臉檢測、人臉匹配、人臉對齊等等，這應該是計算機視覺方面最熱門也是發展最成熟的應用，而且已經比較廣泛的應用在各種安全、身份認證等，比如人臉支付、人臉解鎖。人臉01計算機視覺的種類

發展到現在AI識別已經不是什么可以讓人大驚小怪的功能，分散文段中的文字進行特定信息提取、識別圖片中的文字并提取翻譯、識別圖片中的物品并搜索購物早已非常常見，這些都是人工智能中計算機視覺在手機中的應用。其他02圖像識別的發展過程

在“2018年中國AI手機用戶認為最有價值的AI功能”排行前10中，視覺類AI功能占據七席，其中人臉解鎖功能居首人臉解鎖主要包括2D與3D兩種技術方案，2D人臉識別是對于人臉的平面特征予以識別，目前應用較廣；而3D人臉識別是基于立體深度的面部特征進行識別，主要有結構光、TOF和立體視覺三類。02圖像識別的發展過程

除人臉解鎖以外智能光線拍攝、AI智慧美顏和智能識圖也同時出現在“2018年中國AI手機用戶最常使用的AI功能”前五位當中。02圖像識別的發展過程

無人駕駛汽車通過車載傳感系統獲取環境信息后調整汽車速度及轉向，實現汽車的安全平穩行駛。而計算機視覺作為人工智能領域的一項基本技術，在人工智能于交通領域的范疇內有著極為廣泛的應用。主要包括基于計算機視覺的道路檢測和前方車輛識別技術。除此之外，還有雷達探測超聲波探測等技術。計算機視覺技術由于其信息量豐富，成本低廉而被認為是目前最有效的技術而被廣泛采用。但由于技術尚待進一步發展，其在陰雨等較為惡劣天氣條件下的靈敏度和穩定性都有所下降。02圖像識別的發展過程

這是目前尚待解決有待解決的問題。美國的Google公司于2010年開始了對無人駕駛汽車的研發，對計算機視覺和雷達等傳感器識別交通信號進行了研究。目前，Google的無人駕駛汽車行駛總里程已超過200萬英里。02圖像識別的發展過程

無人駕駛作為一項新興技術，存在其智能化程度高、方便快捷等諸多優勢，但也存在:首先成本過高、安全性目前在應對復雜天氣狀況仍不夠高的內在問題，其次，存在相關法律法規不夠完善、對傳統汽車及其相關行業沖擊極大導致社會問題等外在阻礙因素。但總地來說，無人駕駛在當前日漸擁堵的情況下必然會繼續完善，在未來得到普遍的應用。02圖像識別的發展過程車聯網是指由車輛位置、行駛速度、行駛路線等構成的信息交互網絡。是一種向環保、安全、節能方向發展的車網聯合技術。主要應用在智能駕駛、緊急救援系統以及智能化交通管理等幾方面。通過人工智能以及傳感技術，使駕駛者能夠實時掌握交通狀況，同時方便交通部門的管理。例如電子收費系統(etc)，極大地方便了駕駛者與管理者。使出行更加方便快捷。02圖像識別的發展過程

智能交通系統(1TS)1994年正式認定為國際術語。

美國在智慧交通領域發展較早，于上個世紀60年代就已研發電子道行系統。而歐洲各國如英法德等發達國家于80年代左右開始了相應系統的研發。智能交通系統是實現綠色交通系統的技術支撐。智能交通系統02圖像識別的發展過程

我國于1999年成立了相關研究小組。目前，智慧交通已經能夠實現在交通領城中充分運用物聯網、云計算、人工智能、自動控制等技術而建立起的實時、準確、高效的綜合運輸和管理。

智能交通目前主要體現在輔助駕駛，智能交通機器人，智能交通監控，智能出行決策等方面。現如今，高德地圖、百度地圖等各大地圖軟件提供了智能路線規劃、智能導航(駕車、步行、騎行)、出行信息提示以及實時路況顯示等服務。02圖像識別的發展過程智慧交通作為智慧城市的重要組成部分通過人、車、路的和諧、密切配合提高交通運輸效率，緩解交通阻塞。提高路網通過能力，減少交通事故，降低能源消耗，減輕環境污染。面臨著行業資源分散，數據信息地城性強，產業鏈條不完整等問題。需要在未來不斷磨合與共享，技術創新去解決。智慧交通在解決道路安全與提高便捷性方面有優勢。有理由相信，智慧交通必然會在未來的城市建設中大放異彩。02圖像識別的發展過程智慧交通作為智慧城市的重要組成部分

通過人、車、路的和諧、密切配合提高交通運輸效率，緩解交通阻塞。

提高路網通過能力，減少交通事故，降低能源消耗，減輕環境污染。

面臨著行業資源分散，數據信息地城性強，產業鏈條不完整等問題。

需要在未來不斷磨合與共享，技術創新去解決。

智慧交通在解決道路安全與提高便捷性方面有優勢。有理由相信，智慧交通必然會在未來的城市建設中大放異彩。Thankyouforlistening主講人：胡水清清??Loremipsumd