opencv识别特定形状_如何让图像识别AI变成“瞎子”,对抗性图像了解以下

89995b2380a6ce186fd1f0ff840e0692.png

在视觉方面,AI和人类的差距有多大?来自UC Berkeley等高校的研究人员创建了一个包含7500个“自然对抗实例”的数据集,在测试了许多机器视觉系统后,发现AI的准确率下降了90%!在某些情况下,软件只能识别2%-3%的图像。这样的AI若用在自动驾驶汽车上,后果不敢想象!

近几年来,计算机视觉有了很大的改善,但仍然有可能犯严重的错误。犯错如此之多,以至于有一个研究领域致力于研究AI经常误认的图片,称为“对抗性图像”。可以把它们看作计算机的光学错觉,当你看到树上有一只猫时,人工智能看到了一只松鼠。

dca8bf46e5d77ce06f7d317da6440728.png

AI把爬上树的猫误认为松鼠

研究这些图像是很有必要的。当我们把机器视觉系统放在AI安全摄像头和自动驾驶汽车等新技术的核心位置时,我们相信计算机和我们看到的世界是一样的。而对抗性图像证明并非如此。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像轮廓识别是一种常见的图像处理技术,可以用于物体检测、边缘检测、模式识别等领域。Python中的OpenCV库提供了丰富的图像处理功能,包括图像轮廓识别功能。下面介绍如何使用Python Opencv实现图像轮廓识别功能。 1. 导入库 首先需要导入OpenCV库。可以使用以下代码导入: ```python import cv2 import numpy as np ``` 2. 读取图像并转化为灰度图像 使用cv2.imread()函数读取图像,并使用cv2.cvtColor()函数将图像转化为灰度图像。代码如下: ```python img = cv2.imread("image.jpg") gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ``` 3. 进行图像处理 在进行轮廓识别前,需要对图像进行一些处理,如图像平滑、二值化等。这里使用cv2.GaussianBlur()函数进行高斯平滑处理,并使用cv2.threshold()函数进行二值化处理。代码如下: ```python blur = cv2.GaussianBlur(gray, (5, 5), 0) ret, binary = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY) ``` 4. 进行轮廓识别 使用cv2.findContours()函数进行轮廓识别。该函数返回一个轮廓列表和一个层次结构。代码如下: ```python contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) ``` 5. 绘制轮廓 使用cv2.drawContours()函数绘制轮廓。代码如下: ```python cv2.drawContours(img, contours, -1, (0, 255, 0), 2) ``` 6. 显示图像 使用cv2.imshow()函数显示图像,并使用cv2.waitKey()函数等待按键。代码如下: ```python cv2.imshow("image", img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 完整代码如下: ```python import cv2 import numpy as np img = cv2.imread("image.jpg") gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blur = cv2.GaussianBlur(gray, (5, 5), 0) ret, binary = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY) contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img, contours, -1, (0, 255, 0), 2) cv2.imshow("image", img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 运行代码后,将显示原图像识别出的轮廓。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值