7.计算机视觉：让AI拥有一双“火眼金睛”

1. 什么是计算机视觉（CV）？
   让计算机理解数字图像或视频的内容。
   人类可以瞬间认出猫、读出路牌、判断远近，但对计算机来说，图像只是一堆0-255的像素数字。

👁️ 核心任务：从像素矩阵中提取有意义的信息。

2. 四大经典任务
   图像分类：这张图是猫还是狗？

目标检测：找出图中所有物体及其位置（画框）

图像分割：每个像素属于哪个物体（精确到轮廓）

姿态估计：识别人体关节关键点

3. 卷积神经网络（CNN）——视觉革命的引擎
   为什么普通DNN不适合图像？
   全连接层参数量巨大：100x100的图，输入层就有1万个节点，第一层隐藏层若1000个节点，权重1000万，易过拟合且慢。

CNN的三大利器
A. 卷积层：用一个小的“卷积核”在图像上滑动，提取局部特征（边缘、纹理）。

例如3x3的核可以检测垂直边缘

多个核可以检测不同特征

B. 池化层：降采样（如2x2区域取最大值），减少尺寸，增加平移不变性。

C. 全连接层：最后将特征图展平，做分类。

经典CNN架构简图

Input(224x224x3)-