AI 入门第 14 讲:AI 怎样学会看世界?计算机视觉与图像识别
一张照片在电脑眼中是什么样子?AI 如何分辨猫和狗、找到物体的位置?跟随小星,从一个像素开始探索计算机视觉的世界!
🤖 故事开始:小星能认出一只猫吗?
小乐举起一张猫咪照片:“小星,你能看见什么?”小星说:“如果我有图像输入能力,就可以分析照片里的颜色、形状和其他视觉信息,尝试判断它是什么。但我也可能看错!”
计算机视觉(Computer Vision)是研究如何让计算机从图像和视频中提取信息的领域。我们今天将依次认识:像素 → 特征 → 分类 → 训练 → 物体检测 → 可靠性。
像素(Pixel)
图片由许多小格子组成,每个格子记录颜色数值。
特征(Feature)
边缘、形状、纹理等信息有助于识别物体。
学习(Learning)
模型利用训练样本调整参数,学会发现有用的模式。
实验 01 · 像素放大镜:一张图片,其实是一张数字表
点击下面的像素格,看看它的 RGB 数值。调节分辨率,观察相同图案如何由更多或更少的像素组成。
点击一格,读取它的颜色。
RGB 是红(Red)、绿(Green)、蓝(Blue)三个通道,每个通道在常见的 8 位表示中取值 0–255。
这是人为绘制的简化像素图。真实照片通常有数百万个像素。
实验 02 · 边缘侦探:怎样找到图案的轮廓?
当相邻像素的亮度变化很大时,那里可能存在边缘。切换不同图案,再点击“寻找边缘”。
先选择图案。
实验 03 · 分类训练营:怎样学会区分两类动物?
先观察几个玩具训练样本:这里用“耳朵尖度”虚构数值代替复杂的图片特征。调整分类规则,看看准确率怎样变化。
规则:尖度达到门槛,判为“猫”;否则判为“狗”。
实验 04 · 猜测与置信度:AI 说“80%”,代表什么?
模型可能给不同类别分配分数,再转成概率形式。当图片模糊时,模型可能更不确定。
数值为教学示例,并非真实模型输出。模型给出的“80%”也不一定意味着实际有 80% 的正确率;还需要检验概率是否校准。
实验 05 · 寻找画面里的物体:图像分类与物体检测有什么区别?
分类尝试回答“图片里主要是什么”;物体检测还要回答“物体在哪里”。
场景里有一只猫、一棵树和一个球。
画面与检测框均由程序预先绘制,没有真正运行目标检测模型。真实检测器需要从图像中估计类别和位置,也可能漏检或误检。
实验 06 · 视觉安全实验室:AI 看错时,应该怎么办?
视觉模型可能受光线、角度、遮挡、训练数据和图片修改影响。请为不同情境选择最可靠的做法。
知识地图 · 从像素到理解画面
梳理计算机视觉处理的五大步骤与四大核心任务。
1. 图像分类
判断一张图片属于什么类别。
2. 目标检测
找出多个物体,并估计它们的位置。
3. 图像分割
进一步判断哪些像素属于某个物体或区域。
4. 多模态理解
把图像与文字等信息结合起来处理。
💡 进阶知识:卷积神经网络 CNN 是什么?
卷积神经网络(CNN)常用小型可学习滤波器在图像上滑动,逐步提取局部特征。浅层可能对边缘、纹理敏感,深层能组合更复杂的模式。不过真实网络并非每一层都严格对应某种人能命名的特征。
💡 进阶知识:现在的视觉模型都使用 CNN 吗?
不是。除了 CNN,还有视觉 Transformer(ViT)等架构。ViT 可以把图片分成图像块(patch),再通过注意力机制处理块之间的关系。不同任务常采用不同架构或组合。
知识闯关 · 6 道题,挑战视觉侦探徽章
完成下面 6 道单选题,检验你对计算机视觉与安全核查的掌握!
毕业任务 · 设计你的“校园视觉助手”
想象你要做一个能帮助校园生活的视觉 AI。它要识别什么?怎样收集和标注图片?涉及同学照片时如何保护隐私?
🌟 参考示范:校园垃圾分类助手
目标:识别纸张、塑料瓶和其他常见垃圾,给出分类建议。训练数据:不同光线、背景和角度的物品照片,经过正确标注。评估:在没见过的新照片上测试错误率。安全:不能保证每次都正确,遇到不确定时提示查阅当地分类规则;尽量不拍摄人脸或个人资料。
① 计算机处理图片时,首先面对的是像素数值,而不是直接看到“猫”这个概念。
② 视觉模型通过数据和训练学习特征,可以分类、检测或分割物体,但也会犯错。
③ 视觉 AI 的预测需要核查,涉及人脸、隐私和安全的应用尤其要谨慎。
🏆 AI 入门第 14 讲 · 核心知识打卡台
🌱 视觉探索新星已掌握:0 / 5 个核心知识点(点击下方卡片点亮勋章)