總覽
計算機視覺是一種允許數(shù)字世界與現(xiàn)實世界互動的技術(shù)。
探索5個最熱門的計算機視覺應(yīng)用程序
使用計算機視覺進行姿態(tài)估計使用Gans進行圖像轉(zhuǎn)換基于計算機視覺的社交距離工具將2D圖像轉(zhuǎn)換為3D模型醫(yī)學(xué)圖像分析介紹我10年前就開始了使用Facebook，如果你也使用了很長時間的Facebook，就會知道手動標(biāo)記照片的方法，但是現(xiàn)在我們不用手動標(biāo)記這些圖片了。Facebook可以識別上傳圖片中的大多數(shù)人，并提供標(biāo)記他們的建議；同樣，你肯定已經(jīng)在Snapchat上看到了這些有趣的過濾器，在其中，人們使用了狗過濾器來獲得了狗的臉。你有沒有想過這一切是怎么辦到的？我們的手機如何能夠檢測到我們的面部并在上面添加濾鏡？這其實是一些計算機視覺應(yīng)用程序。計算機視覺是數(shù)據(jù)科學(xué)世界中最熱門的研究領(lǐng)域之一，而且它已經(jīng)成為我們個人生活的一部分。我們都在不知不覺的使用各種功能，這些功能在后端運行計算機視覺技術(shù)，例如，我們在智能手機中使用面部解鎖。下圖有效地說明了人臉檢測的工作原理。
我選擇人臉檢測作為本文的開頭，因為這是我們都已經(jīng)知道的計算機視覺的一種應(yīng)用。但是請相信我，計算機視覺不僅限于此，在本文中，我們將探索計算機視覺中更多有趣應(yīng)用。目錄什么是計算機視覺？使用計算機視覺進行姿態(tài)估計使用Gans進行圖像轉(zhuǎn)換基于計算機視覺的社交距離工具將2D圖像轉(zhuǎn)換為3D模型醫(yī)學(xué)圖像分析什么是計算機視覺？在進入計算機視覺應(yīng)用程序世界之前，首先，讓我們了解一下計算機視覺是什么？簡而言之，計算機視覺是人工智能的一個多學(xué)科分支，旨在復(fù)制人類視覺的強大功能。正式定義如下，“計算機視覺是一種實用工具，可以根據(jù)感知到的圖像對實際的物理對象和場景做出有用的決策”（Sockman＆Shapiro，2001）計算機視覺通過諸如圖像分類，對象檢測，圖像分割，對象跟蹤，光學(xué)字符識別，圖像字幕等視覺識別技術(shù)來工作。我知道這些是一系列的技術(shù)術(shù)語，但理解它們并不難，只需看下面的圖片，你就會理解這些術(shù)語。
讓我們從第一張圖片開始。如果我問你圖片中有什么？你的答案會是：一只貓，這其實是對圖片進行了分類，這意味著基于圖像的分類標(biāo)記圖像，這里的類別是“貓”?，F(xiàn)在你知道圖像的類別了，下一個問題是對象在圖像中的位置。當(dāng)我們確定對象在圖像中的位置并在其周圍創(chuàng)建一個邊界框時，這稱為定位。在第二張圖像中，我們已經(jīng)確定了對象的位置并將其標(biāo)記為貓。下一項是對象檢測，在前兩種情況下，圖像中只有一個對象，但是如果存在多個對象該怎么辦，在這里，我們通過邊界框確定存在的實例及其位置。在對象檢測中，我們使用形狀為正方形或矩形的邊界框，但是它不能告訴任何有關(guān)對象形狀的信息。實例分割會在每個對象周圍創(chuàng)建一個像素級模板，因此實例分割使人們對圖像有了更深入的了解。
近期發(fā)展深度學(xué)習(xí)方法最新發(fā)展和技術(shù)的進步極大地提高了視覺識別系統(tǒng)的功能，如今計算機視覺已被公司迅速采用，可以在整個工業(yè)領(lǐng)域看到成功的計算機視覺用例，從而擴大了應(yīng)用范圍，并增加了對計算機視覺工具的需求。現(xiàn)在，讓我們一起來看看計算機視覺的5個最熱門的應(yīng)用程序。使用計算機視覺進行姿態(tài)估計姿態(tài)估計是計算機視覺的一個很有趣的應(yīng)用。你一定已經(jīng)聽說過Posenet，它是用于人體姿態(tài)估計的開源模型。簡而言之，姿態(tài)估計是一種計算機視覺技術(shù)，可以推斷圖像／視頻中存在的人或物體的姿勢。在討論姿態(tài)估計的工作之前，讓我們首先了解“人體姿勢骨架”，它是定義了一個人姿勢的一組坐標(biāo)，此外，通過識別，定位和跟蹤圖像或視頻中人類姿勢骨架的關(guān)鍵點來執(zhí)行姿態(tài)估計。
以下是人體姿態(tài)估計的一些應(yīng)用－用于實時體育分析或監(jiān)視系統(tǒng)的活動識別。增強現(xiàn)實體驗訓(xùn)練機器人動畫和游戲如果你想自己開發(fā)一個姿態(tài)估計模型，下面是一些可能用到的數(shù)據(jù)集：MPIIhttp：／／human－pose．mpi－inf．mpg．de／COCO keypoint challengehttps：／／cocodataset．org／＃downloadHUMANEVAhttp：／／humaneva．is．tue．mpg．de／我發(fā)現(xiàn)Google的DeepPose（https：／／static．googleusercontent．com／media／research．google．com／en／／pubs／archive／42237．pdf） 是一篇非常好的研究論文，它使用了深度學(xué)習(xí)模型來進行姿態(tài)估計。若要進行更深入的研究，你可以訪問有關(guān)姿態(tài)估計的多個研究論文（https：／／paperswithcode．com／task／pose－estimation）使用Gans進行圖像轉(zhuǎn)換Faceapp是一個非常有趣和流行的應(yīng)用程序。它是一種圖像處理工具，可使用濾鏡對輸入圖像進行轉(zhuǎn)換。過濾器包括老化或最近的性別交換過濾器。
看上面的圖片，有趣嗎？幾個月前，這是互聯(lián)網(wǎng)上的熱門話題，人們分享了變換性別之后的圖片。但是這類應(yīng)用程序背后的技術(shù)是什么？是的，你猜對了，它是計算機視覺，更具體地說，它是一個深層次的卷積生成的對抗性網(wǎng)絡(luò)。生成對抗網(wǎng)絡(luò)，俗稱GAN，是計算機視覺領(lǐng)域的一項令人振奮的創(chuàng)新。盡管GAN是一個古老的概念，但目前的形式是由Ian Goodfello在2014年提出的，從那以后，它有了很多發(fā)展。GAN的訓(xùn)練涉及兩個相互競爭的神經(jīng)網(wǎng)絡(luò)，根據(jù)給定訓(xùn)練數(shù)據(jù)的分布生成新的數(shù)據(jù)。盡管它最初提出是作為一種無監(jiān)督學(xué)習(xí)機制，但是GAN證明了自己是有監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的理想選擇。要了解有關(guān)Gans工作的更多信息，請查看下面的文章。什么是生成模型和GAN？計算機視覺的魔力https：／／www．a(chǎn)nalyticsvidhya．com／blog／2020／01／generative－models－gans－computer－vision／以下是我個人推薦的一些有關(guān)GAN的必讀研究論文A Style－Based Generator Architecture for Generative Adversarial Networkshttps：／／arxiv．org／abs／1812．04948Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networkshttps：／／arxiv．org／abs／1511．06434Conditional Generative Adversarial Netshttps：／／arxiv．org／abs／1411．1784Unpaired Image－to－Image Translation using Cycle－Consistent Adversarial Networkshttps：／／arxiv．org／abs／1703．10593以下是一些數(shù)據(jù)集，可幫助你獲得GANs的實踐經(jīng)驗CelebAhttp：／／mmlab．ie．cuhk．edu．hk／projects／CelebA．htmlFlicker face datasethttps：／／github．com／NVlabs／ffhq－datasetCartoonsethttps：／／google．github．io／cartoonset／應(yīng)用領(lǐng)域使用Gans生成的圖像應(yīng)用程序有很多，以下是它的一些應(yīng)用程序風(fēng)格轉(zhuǎn)換和照片修復(fù)中的圖對圖翻譯圖像超分辨率文字到圖像的生成圖片編輯語義圖像到照片的翻譯基于計算機視覺的社交距離工具在過去的幾個月中，世界正遭受大流行COVID－19的困擾。發(fā)現(xiàn)在沒有該疾病的疫苗之前，我們所有人都必須采取預(yù)防措施，使用洗手液，口罩，最重要的是保持社交距離。在這種關(guān)鍵情況下，計算機視覺技術(shù)可以發(fā)揮至關(guān)重要的作用，它可用于跟蹤房屋或特定區(qū)域中的人員，以了解他們是否遵守社會距離規(guī)范。社交距離工具是對象檢測和實時跟蹤的應(yīng)用程序。為了檢查社交距離違規(guī)行為，我們使用邊界框檢測視頻中存在的每個人，然后我們跟蹤每個框的運動并計算它們之間的距離，如果它檢測到任何違反社會距離規(guī)范的行為，則將突出顯示那些邊界框。
此外，為使這些工具更先進，更準(zhǔn)確，你可以使用遷移學(xué)習(xí)技術(shù)。各種預(yù)訓(xùn)練的對象檢測模型（如YOLO或Mask R－CNN）都是來源可用的。
以下文章可幫助你自己創(chuàng)建社交隔離工具你的社交區(qū)別檢測工具：https：／／www．a(chǎn)nalyticsvidhya．com／blog／2020／05／social－distancing－detection－tool－deep－learning／？utm＿source＝blog＆utm＿medium＝top＿5＿applications＿of＿computer＿vision將2D圖像轉(zhuǎn)換為3D模型這是計算機視覺的另一個非常有趣的應(yīng)用，它將二維圖像轉(zhuǎn)換為3D模型。例如，假設(shè)你收藏了一張照片，計算機視覺能夠?qū)⑵滢D(zhuǎn)換為3D模型，給人3D的感觀效果。
Deep Mind的研究人員提出了一個在實現(xiàn)相似功能的AI系統(tǒng)，它被稱為Generative Query Network（生成查詢網(wǎng)絡(luò)），它可以像人類一樣從不同角度感知圖像。此外，Nvidia還開發(fā)了一種AI架構(gòu)，可以根據(jù)圖像預(yù)測3D屬性，同樣的，F(xiàn)acebook AI也提供了一種類似的工具，稱為3D照片功能。以下是一些相關(guān)的數(shù)據(jù)集，可供你進行試驗IKEA datasethttp：／／ikea．csail．mit．edu／Opensurface datasethttp：／／opensurfaces．cs．cornell．edu／NYU Depth datasethttps：／／cs．nyu．edu／～silberman／datasets／nyu＿depth＿v2．htmlObjectNet3Dhttps：／／cvgl．stanford．edu／projects／objectnet3d／另外，請查看這些有趣的論文以了解有關(guān)該應(yīng)用程序的更多信息。https：／／paperswithcode．com／task／3d－reconstruction應(yīng)用領(lǐng)域以下是該技術(shù)的應(yīng)用場景。動畫與游戲機器人技術(shù)自動駕駛汽車醫(yī)學(xué)診斷和外科手術(shù)醫(yī)療保健中的計算機視覺：醫(yī)學(xué)圖像分析很長一段時間以來，醫(yī)學(xué)圖像被用于診斷，如CT掃描、X射線等。計算機視覺技術(shù)的最新發(fā)展使醫(yī)生能夠通過將圖像轉(zhuǎn)換為三維交互式模型來更好地理解這些圖像，并使其更易于解釋。如果我們了解一下計算機視覺的最新使用案例，那么我們會發(fā)現(xiàn)它是在用胸部x光檢查COVID－19病例的，此外根據(jù)武漢市放射科的一項研究，深度學(xué)習(xí)方法可以有效地區(qū)分Covid－19和社區(qū)獲得性肺炎。了解一下由Kaggle提供的COVID－19胸部x光數(shù)據(jù)集，并在實施過程中自己動手。COVID－19胸部x光數(shù)據(jù)集：https：／／www．kaggle．com／bachrr／covid－chest－xray
如果你想使用另一個數(shù)據(jù)集，那么你也可以在Kaggle上獲得CT醫(yī)學(xué)圖像（https：／／www．kaggle．com／kmader／siim－medical－images） 。此外，如果你希望了解更多有關(guān)醫(yī)療圖像處理及其在醫(yī)療保健中的應(yīng)用，請閱讀這些研究論文及其實現(xiàn)。相關(guān)論文：https：／／www．engpaper．com／cse／medical－image－processing．html總而言之，計算機視覺是人工智能中一個引人入勝的領(lǐng)域。在本文中，討論了一些我發(fā)現(xiàn)很有趣的東西，但這只是冰山一角。參考鏈接：https：／／www．a(chǎn)nalyticsvidhya．com／blog／2020／07／5－exciting－computer－vision－applications－with－relevant－datasets／
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
