AI研究的一個主要問題是：如何使一個系統具有“計劃”和“決策能力”？用來完成特定的技術性動作。此問題便與計算機視覺問題密切相關。計算機視覺系統作為一個感知器，為決策提供信息。其他的研究方向包括模式識別和機器學習，也就是它有時被視為人工智能和計算機科學的一個分支。下面就由小編為您介紹計算機視覺的研究方向。

網易易盾

0

1條點評

咨詢產品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

暫無

合作品牌

35

計算機視覺的研究方向

1.圖像分類

方向特點：圖像分類的比賽基本落幕，也接近算法的極限。但是在實際的應用中卻面臨著比比賽中更加復雜，比如樣本不均衡，分類界面模糊，未知類別等

2.目標檢測

方向特點：目標檢測方向有一些固有的難題，比如小臉，遮擋，大姿態。

3.圖像分割

 方向特點：在基于深度學習的圖像分割中，有一些比較關鍵的技術，包括反卷積的使用，多尺度特征融合，crf等后處理方法。

4.目標跟蹤

方向特點

目標跟蹤有一些難點：

(1) 目標表征表達問題，雖然深度學習方法具有很強的目標表征能力，但是仍然容易受相似環境的干擾。

(2) 目標快速運動，由于很多跟蹤的物體都是高速運動，因此既要考慮較大的搜索空間，也要在保持實時性的前提下減小計算量。

(3) 變形，多尺度以及遮擋問題，當目標發生很大的形變或者臨時被遮擋如何保持跟蹤并且在目標重新出現時恢復跟蹤。

      計算機視覺領域的突出特點是多樣性和不完善性。這個領域的先驅可以追溯到更早的時候，但直到20世紀70年代后期，當計算機的性能提高到足以處理圖像等大規模數據時，計算機視覺才得到正式的關注和發展。然而，這些發展往往源于其他不同領域的需求，所以計算機視覺問題一直沒有得到正式定義。自然，計算機視覺問題應該如何解決，沒有成型公式。以上就是小編為您介紹的計算機視覺的研究方向。