人工智能和计算机视觉论文,人工智能与计算机视觉概述

原标题：人工智能与计算机视觉概述

人工智能发展至今，在计算机视觉上。我们人看到的是图像，而计算机看到矩阵数值，人工智能在计算机视觉上的目标就是解决像素值和语义之间关系，主要的问题有图片检测，图片识别，图片分割和图片检索。

什么是语义，通俗点讲就是它有什么信息。我们通过对数值距阵进行处理，得到一些信息，一些理解层次上的，比如这个7x7的数值矩阵表示一个人。但我们想让计算机知道这是一个人，并不是一件简单的事情，需要一些各种处理和操作。

图片检测就是检测它是什么，比如行人检测，人脸检测等。识别是更深层次的，比如人脸，车牌，但这里的人脸识别是更为精确的，之前的检测是检测这是不是一个人脸，而识别则倾向于这是谁的人脸。分割是把感兴趣的分割出来，有前景分割，语义分割。检索找岀相似的。它们用到的方法，有传统的方法，也有深度学习的方法。

下面我还想说一下一些深度学习名词和它们解决的问题。CNN卷积深经网络，这个主要是特征的描述，我们提取CNN特征，有人会问什么是特征，通俗一点讲，比如一个西瓜，他的大小，甜度都可以是他的特征，用来描述这个物体的，也可以用来判断这个物体。

我们人看到的物体有这些特征来让我们判断这是什么，而计算机而言，也需要特征来让计算机知道他是什么，其实很多是有做人工智能，多想想我们是怎么认知的，可以模拟让计算机也这样，可以解决很多问题；

rCNN是region区域的CNN，这个就解决检测相关问题，像fast－rCNN，faster－rCNN，本质上是每个区域的CNN特征，给出一个分数，设置一个阈值，阈值达到多少以后就是什么物体，这里我想说一个分数和阈值的问题，这两个东西在人工智能和机器学习中是很重要的.

因为计算机不能像人一样很直观的知道这是什么， 他在干什么，计算机需要一个评判标准，而分数和阈值就是一个评判标准，分数可以理解为相似度，可能是某个东西的可能性，然后你可以定义一个阈值，就是说分数大于多少，就认为他是什么，在计算机视觉中，比如多分类中，一个东西会给出他可能是各种物体的分数，然后通过设置知道他最可能是什么，那他就是什么。

至于这个分数怎么来的 ，在以后的我会更新说明。FCN，全卷积神经网络，解决分割问题。

后面我会更新一些个人目前常用的方法的理解想法，新的论文新的方法等。大家一起交流。最后附上一张计算机看到图，我们很多时候就是解决这些数值与语义也就是理解的问题。

责任编辑：