3.2 視覺技術

視覺技術主要用計算機來模擬人的視覺功能，但并不僅是人眼的簡單延伸，更重要的是具有大腦的一部分視覺分析功能，即從客觀事物的圖像中提取特征信息，對特征借息降維處理后加以分析、理解，最終用于實際檢測、工業測量和控制。

計算機視覺作為視覺技術的關鍵代表和組成部分，諸如圖像檢測、分類、識別和定位等功能的實現均依賴計算機視覺技術。下面介紹幾種基于計算機視覺技術的重要應用及其學習模型。

3.2.1圖像分類

圖3-4圖像分類

對于給定一組被標記為單一類別的圖像，對一組新的測試圖像的類別進行預測，并測量預測的準確性結果，這就是圖像分類向題。計算機視覺技術研究提出了一種基于數據驅動的方法。該方法并不是直接在算法程序中指定每個感興趣的圖像類別，而是為計算機的每個圖像類別都提供許多示例，然后設計一個學習算法，查看這些示例并學習每個類別的視覺外觀。也就是說，首先積累一個帶有標記圖像的訓練集，然后將其輸入計算機中，由計算機來處理這些數據。

可以按照下面的步驟來分解。

（1）輸入是由N個圖像組成的訓練集，共有K個類別，每個圖像都被標記為其中一個類別。

（2）使用該訓練集訓練一個分類器，來學習每個類別的外部特征。

（3）預測一組新圖像的類標簽，評估分類器的性能，用分類器預測的類別標簽與其真實的類別標簽進行比較。

目前較為流行的圖像分類架構是卷積神經網絡（Convolutional Neural Networks，CNN）-將圖像送入網絡，然后網絡對圖像數據進行分類。