計算機視覺的研究方向

      AI研究的一個主要問題是：如何使一個系統(tǒng)具有“計劃”和“決策能力”？用來完成特定的技術(shù)性動作。此問題便與計算機視覺問題密切相關(guān)。計算機視覺系統(tǒng)作為一個感知器，為決策提供信息。其他的研究方向包括模式識別和機器學(xué)習(xí)，也就是它有時被視為人工智能和計算機科學(xué)的一個分支。下面就由小編為您介紹計算機視覺的研究方向。

網(wǎng)易易盾

0

1條點評

咨詢產(chǎn)品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

暫無

合作品牌

35

計算機視覺的研究方向

1.圖像分類

方向特點：圖像分類的比賽基本落幕，也接近算法的極限。但是在實際的應(yīng)用中卻面臨著比比賽中更加復(fù)雜，比如樣本不均衡，分類界面模糊，未知類別等

2.目標(biāo)檢測

方向特點：目標(biāo)檢測方向有一些固有的難題，比如小臉，遮擋，大姿態(tài)。

3.圖像分割

 方向特點：在基于深度學(xué)習(xí)的圖像分割中，有一些比較關(guān)鍵的技術(shù)，包括反卷積的使用，多尺度特征融合，crf等后處理方法。

4.目標(biāo)跟蹤

方向特點

目標(biāo)跟蹤有一些難點：

(1) 目標(biāo)表征表達問題，雖然深度學(xué)習(xí)方法具有很強的目標(biāo)表征能力，但是仍然容易受相似環(huán)境的干擾。

(2) 目標(biāo)快速運動，由于很多跟蹤的物體都是高速運動，因此既要考慮較大的搜索空間，也要在保持實時性的前提下減小計算量。

(3) 變形，多尺度以及遮擋問題，當(dāng)目標(biāo)發(fā)生很大的形變或者臨時被遮擋如何保持跟蹤并且在目標(biāo)重新出現(xiàn)時恢復(fù)跟蹤。

      計算機視覺領(lǐng)域的突出特點是多樣性和不完善性。這個領(lǐng)域的先驅(qū)可以追溯到更早的時候，但直到20世紀(jì)70年代后期，當(dāng)計算機的性能提高到足以處理圖像等大規(guī)模數(shù)據(jù)時，計算機視覺才得到正式的關(guān)注和發(fā)展。然而，這些發(fā)展往往源于其他不同領(lǐng)域的需求，所以計算機視覺問題一直沒有得到正式定義。自然，計算機視覺問題應(yīng)該如何解決，沒有成型公式。以上就是小編為您介紹的計算機視覺的研究方向。