川海智库

报告概述

报告为《人工智能通识》配套课件的第六章，聚焦计算机视觉（视觉感知）领域。内容涵盖计算机视觉的发展历史（从20世纪50年代至今），并详细讲解图像增强、图像分类、目标检测、图像分割和三维视觉五大核心任务。报告介绍了各任务的定义、经典方法（如SRCNN、RetinexNet、R-CNN、FCN、MVSNet等）和前沿进展（如Vision Transformer、NeRF），同时说明了技术在实际中的应用（如人脸识别、自动驾驶、医疗影像）和面临的挑战。适合人工智能初学者和希望系统了解计算机视觉技术体系的学习者。

报告的核心结论

计算机视觉已进入深度学习主导的时代

从2012年AlexNet在ImageNet竞赛中获胜开始，深度学习成为计算机视觉的核心技术。随后，CNN、GAN、Transformer等模型不断推动视觉任务的性能突破，使得图像分类、检测、分割等任务的精度大幅提升，并催生了SAM等通用视觉模型。

图像增强是提升视觉系统可靠性的关键预处理步骤

报告指出，图像在采集过程中常面临光照不足、设备限制和传输干扰等问题，从而影响后续任务。图像增强技术（如超分辨率、低光增强）通过改善图像质量，为医疗、监控、自动驾驶等应用奠定了更可靠的数据基础。

目标检测正向轻量化和自动化标注方向发展

随着移动设备和嵌入式设备的普及，轻量化目标检测算法成为趋势。同时，数据标注的高成本促使自动化标注工具的研究，以降低模型训练的依赖。报告强调，未来需要在实时性和精度之间取得平衡。

图像分割从语义分割迈向全景分割，精度不断提升

图像分割经历了FCN、DeepLab系列等模型的演进，从语义分割发展到实例分割和全景分割。通过编码器-解码器结构、空洞卷积和Transformer等手段，模型能够更精细地解析场景，广泛应用于自动驾驶和医疗影像等领域。

报告回答的关键问题

计算机视觉的主要任务有哪些？

报告指出计算机视觉的核心任务包括图像增强、图像分类、目标检测、图像分割和三维视觉。图像增强改善图像质量；图像分类将图像归入预定义类别；目标检测识别并定位特定目标；图像分割实现像素级分类；三维视觉则推演场景的三维结构。

图像增强有哪些常用方法？

报告介绍了两类图像增强方法：早期方法包括滤波、直方图均衡化、傅里叶变换等时域与频域处理技术；深度学习方法如SRCNN用于超分辨率重建，RetinexNet和Zero-DCE用于低光图像增强。这些方法通过多域协同和多尺度融合提升效果。

目标检测与图像分类有何区别？

报告指出，目标检测不仅需要识别图像中目标的类别，还要输出目标的位置和大小，算法复杂度更高，处理对象是特定目标而非整幅图像。而图像分类仅输出图像整体的类别。两者在输出结果、算法复杂度和处理对象上存在差异。

报告中的代表性数据

90.3%

ViT在细粒度分类数据集上的准确率

2020年，Vision Transformer（ViT）在CUB-200-2011细粒度鸟类分类数据集上达到90.3%的分类准确率，而改进的TransFG模型达到91.7%。

超过95%

腾讯觅影青光眼分类模型准确率

资料未明确，腾讯觅影团队研发的基于深度学习的青光眼分类模型，在青光眼筛查中准确率超过95%，显著提高了早期诊断准确性。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 计算机视觉发展历史：从20世纪50年代的二维图像分析，到2010年后的深度学习时代，包含重要里程碑如AlexNet、GAN、ViT、SAM等。
  • 图像增强技术详解：包括图像超分辨率（SRCNN、VDSR、RDN）和低光图像增强（RetinexNet、Zero-DCE）的方法原理、结构与应用。
  • 图像分类方法：传统方法（SIFT+HOG）与深度学习（AlexNet、VGG、ResNet）的对比，以及细粒度分类的挑战和ViT模型的应用。
  • 目标检测经典模型：R-CNN系列（R-CNN、Fast R-CNN）、YOLOv4的结构分析，以及DETR等基于Transformer的单阶段检测方法。
  • 图像分割子领域：语义分割、实例分割、全景分割的定义，经典模型（FCN、DeepLab系列）和Transformer分割模型（SETR、SegFormer）。
  • 三维视觉任务概览：深度估计（单目、双目、多视图、激光雷达）和三维重建（主动式如激光雷达、结构光，被动式如MVS、NeRF）。
  • 实际应用案例：人脸识别在机场安检中的应用、车载摄像头ISP处理器（AliISP）在自动驾驶中的作用、胸部CT新冠肺炎智能评价系统等。
  • 未来发展挑战：图像增强的实时性与可解释性、目标检测的轻量化和数据标注自动化、三维视觉的效率与多模态融合等方向。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告