看AI产品经理如何介绍“计算机视觉”（基于实战经验和案例）

前言：本文作者@Jasmine ，是我们“AI产品经理大本营”的早期成员之一，也是“AI研习小分队”的分享嘉宾；下面是她分享的第三篇文章，以飨大家。

计算机视觉（Computer Vision），对我来说也算老朋友了，我最开始接触人工智能就是CV相关的知识。最近受益于老大每天带我去旁听算法例会，又加上看了商汤CEO@徐立 的文章《计算机视觉的完整链条，从成像到早期视觉再到识别理解》，发现很多信息，当时不觉得有什么，但现在想想，每一步都是有意义的；

今天，我会根据亲身经历的项目案例和平时所学，从产品实践的角度，谈谈计算机视觉。

1

前言

计算机视觉，是使用计算机及相关设备对生物视觉的一种模拟；它的主要任务，是通过对采集的图片或视频进行处理，以获得相应场景的三维信息。

在徐立的分享中，将计算机视觉的完整链条分为了三部分：成像（Image）、早期视觉（Early Vision）和识别理解（Recognition）；本文将结合实际例子，谈谈AI产品经理在这三部分中可以关注的内容。

2

成像（Image）

成像是模拟相机原理，解决“怎样把拍摄照片的质量进行提升”的问题。

我们在实际工业应用中经常发现，实际数据的质量远远差于实验室数据，甚至在最开始训练模型的时候会发现，实验室模型在实际场景毫无效用。

经过多次试验测试，我们发现影响图像质量的因素大概有以下几类：

1、光照影响

过暗或过亮等非正常光照环境，会对模型的效果产生很大干扰。在解决光照影响这个问题上，可以通过两种方式：

1）从产品角度控制

A）在用户可以更换环境的前提下（比如手机自拍等），可语音/界面提示用户目前环境不理想，建议换一个环境。

B）在用户不能控制更换环境的情况下（比如人脸识别、车辆识别等摄像头固定的场景），只能通过调试硬件设施弥补这个问题。

a）晚上。在工业上，我们碰到过曝或者过暗的情况更多是在晚上。由于摄像头在晚上会自动切换到黑夜场景（从图片上看就是从彩色切换为黑白），因此在晚上强光下（例如车灯照射）图像就会过曝，这时，我们可