電腦視覺

電腦視覺（CV）是一個轉型領域，讓機器具備解讀和理解視覺資料的能力，模仿人類視力。透過運用深度學習和卷積神經網路（CNN），電腦視覺讓系統能以高精度辨識、分類和分析影像和影片。 

這項創新技術在各產業中應用各種不同，以先進的人性化功能增強電腦。從醫療保健和半自駕車到安全系統和零售，電腦視覺正在徹底改變機器與視覺世界的互動和詮釋方式。 

什麼是電腦視覺？

電腦視覺定義：電腦視覺是電腦科學的一個分支，其訓練機器來解釋和理解影像和影片中的視覺資料。 

「電腦視覺」一詞反映了使電腦能夠「看到」和理解圖像和影片的目標，並能夠識別其中的物體並對觀察到的內容進行分類。這項技術高度依賴 AI 來驅動這些系統。 

電腦視覺技術尤其強大，因為其能將先前手動的視覺資訊處理流程自動化。雖然機器已經能夠處理視覺資料一段時間，但電腦視覺可以大幅減少老舊技術需要人為干預的需求。 

電腦視覺如何運作？

電腦視覺由兩種主要技術驅動。首先是深度學習，這是一種精密的機器學習形式，可讓電腦系統從所提供的資料和執行的任務中發展和學習。第二個是卷積神經網路（CNN），這是一種直接從輸入資料學習的神經網路。CNN 對影像和影片分析尤其有效。 

電腦視覺系統接收視覺資料輸入，然後由演算法處理，訓練電腦了解內容，並以類似人類的方式解讀。CNN 會分解可見資訊，讓機器瞭解影像和影片。 

透過將標籤和標記套用至影像中的個別像素與元素，電腦系統便能處理來自已標記影像的資訊，並使用 CNN 對視覺資料進行預測與決策。其透過資訊性標籤處理影像，然後使用神經網路瞭解影像並得出結論，然後作為輸出結果提供。 

電腦視覺的歷史是什麼？

• 1960 年代，電腦視覺的早期實驗：20 世紀 60 年代初期，推出並開發了電腦影像掃描技術。隨著電腦處理、數位化和轉換影像的能力不斷提高，以及人工智慧的出現，電腦開始學習瞭解影像。 
• 1970 年代，電腦視覺演算法的發展：到了未來十年，電腦可以處理影像，進而開發出演算法，使其能夠以視覺方式瞭解收到的影像。這些演算法一開始可讓電腦辨識邊緣，但會快速演進以辨識物件，最後加入情境。電腦視覺演算法不斷進步。 
• 1980 和 1990 年代，進一步演進：演算法變得更複雜，獲得特定功能，例如偵測曲線、模式和形狀。在 3D 影像方面取得了相當大的進展，到了 1990 年代後期，電腦視覺能夠進行圖像渲染、圖像變形和更複雜的過程。 
• 2000-2010，即時應用和標準化的崛起：2000 年代初期，即時電腦視覺應用程式出現重大進展。Viola-Jones 臉部偵測框架於 2001 年推出，支援即時臉部偵測。此期間也標記了視覺資料集的標準化，例如 2009 年推出 ImageNet 資料集，成為訓練和基準電腦視覺演算法的重要資源。 
• 2010 年最新的深度學習革命及未來：2010 年代隨著深度學習技術的出現，電腦視覺帶來了革命。在 2012 年，使用 CNN 的 AlexNet 模型贏得 ImageNet 大型視覺辨識挑戰賽，遠遠超越先前的方法。這個時代也看到 TensorFlow（2015）和 PyTorch 等強大框架的發展，促進了複雜神經網路的實作。最近的進展包括半自駕車使用電腦視覺、醫學影像和擴增實境。 

近年來，電腦視覺已發展到可辨識與分類錯誤率極低影像中的元素的地方。深度學習和 CNN 的改善推動了這項進展，使視覺資料處理更加準確和高效。 

電腦視覺的關鍵類型是什麼？ 

電腦視覺可增強機器複製人類行為的能力。類似的自然語言處理，電腦視覺體現了 AI 和深度學習如何擴展電腦的功能。鑒於這項技術帶來的重大進步，電腦視覺的眾多多功能應用程式並不令人意外。 

• 影像分類使用電腦視覺技術對影像進行分類。這種使用方式對於依賴視覺資料的技術很有幫助，例如社群媒體平台和應用程式。透過定義和分類影像內容，影像分類可確保為使用者提供正確的內容。 
• 電腦視覺模型經過訓練，可以辨識和辨識影像中的特定模式，包括臉部辨識。借助更複雜和複雜的技術版本，電腦可以區分個別的臉孔。臉部辨識對於解鎖裝置特別有用。 
• 物件偵測建立在影像分類的原則上。雖然影像分類使電腦能夠識別影像並對影像進行分類，但物體偵測技術使其能夠在影像和視訊中精確定位特定物體。這項技術對運輸安全至關重要，因為其可以識別障礙物（完全阻礙路徑且需要停止的物體）、障礙物（部分阻礙路徑且需要導航的物體）和可能造成危險的入侵者。 

如何使用電腦視覺？

影像搜尋是電腦視覺技術最直接、最知名的應用程式之一。雖然使用影像來使用搜尋引擎搜尋網際網路並不是最近的技術，但在過去幾年，其經歷了重大的創新。最初，機器只能識別已建立的影像或基本元素，但搜尋引擎現在具備電腦視覺功能，可根據複雜元素的複雜細節進行調整搜尋。 

電腦視覺的一個關鍵使用案例是各個行業的安全。為了日常安全，電腦視覺可以識別不安全的物品和違禁品。透過加速並自動化安全與保全流程，我們可以讓人員更安全，透過電腦視覺確保公共場所沒有危險物品。 

同樣地，電腦視覺也適用於醫療產業。透過使用機器學習來識別醫師可能遺漏的症狀和因素，電腦視覺可以加強診斷過程。這項技術可以提高診斷和治療的準確性和效率。 

多年來，美光一直將電腦視覺技術作為其人工智慧製造的關鍵元素，大幅提高產量、品質和上市時間。透過在晶圓製造的每個階段採用智慧視覺（影像和影片分析），美光可以偵測肉眼看不見的微小缺陷或缺陷。 

這項技術可立即偵測錯誤，讓工程師能及早攔截並修正瑕疵晶圓，防止生產其他瑕疵產品。簡而言之，整合 AI 和電腦視覺提高了準確性和效率，從而加快了產品上市速度並提高了生產力。 

另一種尚未完全融入社會的電腦視覺創新用途，是自駕車。自駕車仰賴科技來辨識道路上的危險和障礙物，而電腦視覺對此過程至關重要。透過加強這些車輛的安全性，電腦視覺可以促進產品開發，並推動更多自動駕駛的採用。