機器視覺是人工智能正在快速發(fā)展的一個分支，旨在賦予機器可媲美人類的視覺。隨著研究人員應(yīng)用專門的神經(jīng)網(wǎng)絡(luò)來幫助機器識別和理解現(xiàn)實世界的圖像，機器視覺在過去幾年取得了巨大的進步。
2015年12月，谷歌發(fā)布了其云視覺API，來執(zhí)行這些任務(wù)，如：識別人臉、標(biāo)志和文字，探測物體并了解其環(huán)境的應(yīng)用。一些客戶都對這些功能感到非常興奮，在市場上其它企業(yè)也正在尋找類似的一種服務(wù)，為使其適應(yīng)其業(yè)務(wù)模式。
機器為什么需要視覺呢?視覺是主要的感官。機器要能夠理解人類，提供他們所需的支持，那么它們必須能夠在視覺范疇進行觀察和表現(xiàn)。這可能是一個小攝像頭的形式，可以幫助盲人去“看”和感受環(huán)繞他們周圍的世界?；蛘呤且粋€家庭監(jiān)控系統(tǒng)，該系統(tǒng)能夠正確識別一群流浪貓之間的差異，或者移動樹枝，和一個防盜的形式。
在過去的一年中，圍繞著人工智能的嗡嗡聲，一直在非常強勁的增長。我們還從來沒有如此接近的觀察到這個技術(shù)的好處。2016年，將會看到新式的人工智能的供電設(shè)備，因為我們對于人工智能，所面臨的最困難的挑戰(zhàn)之一，已經(jīng)取得了進展：讓我們的設(shè)備，能夠了解它們所看到的。
在我們的日常生活中，由于設(shè)備逐漸成為我們不可分割的一部分，我們已經(jīng)看到如果沒有足夠的視覺能力，越來越多的應(yīng)用程序?qū)⒆呦蚴?，其中包括空中無人機碰撞和機器人吸塵器“吃”了它們本不應(yīng)該吃的東西。
機器視覺是人工智能正在快速發(fā)展的一個分支，旨在賦予機器可媲美人類的視覺。隨著研究人員應(yīng)用專門的神經(jīng)網(wǎng)絡(luò)來幫助機器識別和理解現(xiàn)實世界的圖像，機器視覺在過去幾年取得了巨大的進步。如今的計算機在視覺識別上能夠做到各種各樣的事情，從識別網(wǎng)絡(luò)上的貓到在諸多的照片中識別特定的面孔。不過，該類技術(shù)還有很長的路要走。今天，我們看到機器視覺能夠離開數(shù)據(jù)中心，并適用于一切從自主無人機到機器人身上，可以整理我們的食物。
為了更好的了解機器人視覺，一個常見的類比，機器人視覺與人類自己的視覺，就好比天空中飛行的鳥類與飛機。兩者最終都將依賴于基礎(chǔ)物理學(xué)(如伯努利原理)，來幫助它們飛入到高空中，但是，這并不意味著飛機將要扇動它的翅膀進行飛翔。只是因為人與機器可能會看到同樣的東西，并且對這些圖像進行解釋的方式，甚至可能有一定的共性，最后的結(jié)果仍然可能是具有很大的不同。
雖然基本的圖像分類已經(jīng)變得更加容易，但是，當(dāng)它涉及到從抽象的場景中提取意義和信息時，機器人就面臨著一系列新的問題。錯覺就是一個很好的例子，機器人視覺仍然還有很長的路要走。
舉例來說，當(dāng)人看到兩張面對面的臉的輪廓圖像時，他們看到的不僅僅是抽象的形狀。他們的大腦會進行進一步的解讀，讓他們能夠識別圖像的多個部分，看到兩張臉，又或者看到一個花瓶。但對于機器來說，這樣的圖像是非常難以理解的。基本的分類器分辨不了兩張臉和花瓶，它看到的會是諸如短柄斧、吊鉤、避彈衣甚至吉他的物體。該系統(tǒng)并不能確定那些物體是在該圖像當(dāng)中，這說明這類圖像的識別對于機器而言極具挑戰(zhàn)性。
如果我們看到一些更復(fù)雜的東西，這個問題甚至?xí)兊酶永щy，比如BeverlyDoolittle(富康杜利特爾)的一幅畫，雖然看到這個圖的每個人，可能不能夠發(fā)現(xiàn)，其實每個人的臉都在這塊畫布上，他們幾乎立即看到，比映入他們眼簾更多的圖片。另外，正如復(fù)雜的圖像，現(xiàn)實世界也十分凌亂。在當(dāng)中正常航行可不是光開發(fā)算法分析數(shù)據(jù)就能夠?qū)崿F(xiàn)的，它需要對真實場景有清楚的了解，進而能夠相應(yīng)作出行動。
（轉(zhuǎn)載）
