计算机视觉:从基础到深度学习应用

news2026/3/31 0:21:16
计算机视觉从基础到深度学习应用1. 背景与意义计算机视觉Computer Vision简称CV是人工智能领域的重要分支旨在使计算机能够理解和处理图像信息。随着深度学习的发展计算机视觉取得了突破性进展从传统的特征工程方法演变为端到端的深度学习模型。本文将深入探讨计算机视觉的核心技术并通过PyTorch实现一些经典的计算机视觉模型。2. 核心原理2.1 图像表示计算机视觉的基础是图像的数字表示像素值图像由像素组成每个像素包含颜色信息色彩空间RGB、HSV、灰度等不同的色彩表示方式图像预处理 resize、归一化、数据增强等操作2.2 卷积神经网络(CNNs)CNN是计算机视觉的核心模型卷积层提取图像特征池化层降低特征维度激活函数引入非线性全连接层分类决策2.3 经典模型计算机视觉领域的经典模型LeNet早期的CNN模型AlexNet深度学习革命的开端VGG更深的网络结构ResNet残差连接解决梯度消失问题EfficientNet EfficientNet通过复合缩放策略实现模型效率与性能的平衡3. 代码实现3.1 图像分类任务import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader from torchvision import datasets, transforms, models from sklearn.metrics import accuracy_score # 数据预处理 transform transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) # 加载CIFAR10数据集 train_dataset datasets.CIFAR10(root./data, trainTrue, transformtransform, downloadTrue) test_dataset datasets.CIFAR10(root./data, trainFalse, transformtransform, downloadTrue) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue) test_loader DataLoader(test_dataset, batch_size32, shuffleFalse) # 简单的CNN模型 class SimpleCNN(nn.Module): def __init__(self, num_classes10): super(SimpleCNN, self).__init__() self.features nn.Sequential( nn.Conv2d(3, 32, kernel_size3, padding1), nn.ReLU(), nn.MaxPool2d(kernel_size2, stride2), nn.Conv2d(32, 64, kernel_size3, padding1), nn.ReLU(), nn.MaxPool2d(kernel_size2, stride2), nn.Conv2d(64, 128, kernel_size3, padding1), nn.ReLU(), nn.MaxPool2d(kernel_size2, stride2) ) self.classifier nn.Sequential( nn.Flatten(), nn.Linear(128 * 28 * 28, 512), nn.ReLU(), nn.Dropout(0.5), nn.Linear(512, num_classes) ) def forward(self, x): x self.features(x) x self.classifier(x) return x # 训练模型 def train_model(model, train_loader, test_loader, epochs, optimizer, criterion, device): for epoch in range(epochs): model.train() train_loss 0 for images, labels in train_loader: images images.to(device) labels labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() train_loss loss.item() # 测试 model.eval() test_loss 0 test_predictions [] test_labels [] with torch.no_grad(): for images, labels in test_loader: images images.to(device) labels labels.to(device) outputs model(images) loss criterion(outputs, labels) test_loss loss.item() predictions torch.argmax(outputs, dim1) test_predictions.extend(predictions.cpu().numpy()) test_labels.extend(labels.cpu().numpy()) test_accuracy accuracy_score(test_labels, test_predictions) print(fEpoch {epoch1}/{epochs}, Train Loss: {train_loss/len(train_loader):.4f}, fTest Loss: {test_loss/len(test_loader):.4f}, Test Accuracy: {test_accuracy:.4f}) # 使用预训练模型 class PretrainedModel(nn.Module): def __init__(self, num_classes10): super(PretrainedModel, self).__init__() # 加载预训练的ResNet18模型 self.model models.resnet18(pretrainedTrue) # 替换最后一层全连接层 in_features self.model.fc.in_features self.model.fc nn.Linear(in_features, num_classes) def forward(self, x): return self.model(x) if __name__ __main__: # 设置设备 device torch.device(cuda if torch.cuda.is_available() else cpu) # 初始化简单CNN模型 simple_model SimpleCNN().to(device) # 定义优化器和损失函数 optimizer optim.Adam(simple_model.parameters(), lr0.001) criterion nn.CrossEntropyLoss() # 训练简单模型 print(Training Simple CNN model...) train_model(simple_model, train_loader, test_loader, 10, optimizer, criterion, device) # 初始化预训练模型 pretrained_model PretrainedModel().to(device) # 定义优化器和损失函数 optimizer optim.Adam(pretrained_model.parameters(), lr0.001) # 训练预训练模型 print(\nTraining Pretrained ResNet18 model...) train_model(pretrained_model, train_loader, test_loader, 5, optimizer, criterion, device)3.2 目标检测任务import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader from torchvision import datasets, transforms from torchvision.models.detection import fasterrcnn_resnet50_fpn from torchvision.models.detection.faster_rcnn import FastRCNNPredictor # 数据预处理 transform transforms.Compose([ transforms.ToTensor() ]) # 加载COCO数据集示例 # 注意实际使用时需要正确设置COCO数据集路径 # train_dataset datasets.CocoDetection(root./data/coco/train2017, # annFile./data/coco/annotations/instances_train2017.json, # transformtransform) # 简化的目标检测模型训练 class SimpleObjectDetector(nn.Module): def __init__(self, num_classes): super(SimpleObjectDetector, self).__init__() # 加载预训练的Faster R-CNN模型 self.model fasterrcnn_resnet50_fpn(pretrainedTrue) # 获取分类器的输入特征维度 in_features self.model.roi_heads.box_predictor.cls_score.in_features # 替换分类器 self.model.roi_heads.box_predictor FastRCNNPredictor(in_features, num_classes) def forward(self, images, targetsNone): return self.model(images, targets) # 训练目标检测模型 def train_detector(model, train_loader, epochs, optimizer, device): for epoch in range(epochs): model.train() train_loss 0 for images, targets in train_loader: images list(image.to(device) for image in images) targets [{k: v.to(device) for k, v in t.items()} for t in targets] optimizer.zero_grad() loss_dict model(images, targets) losses sum(loss for loss in loss_dict.values()) losses.backward() optimizer.step() train_loss losses.item() print(fEpoch {epoch1}/{epochs}, Train Loss: {train_loss/len(train_loader):.4f}) if __name__ __main__: # 设置设备 device torch.device(cuda if torch.cuda.is_available() else cpu) # 初始化目标检测模型 num_classes 91 # COCO数据集的类别数 detector SimpleObjectDetector(num_classes).to(device) # 定义优化器 optimizer optim.SGD(detector.parameters(), lr0.005, momentum0.9, weight_decay0.0005) # 注意实际使用时需要正确加载COCO数据集 # train_loader DataLoader(train_dataset, batch_size2, shuffleTrue, collate_fnlambda x: tuple(zip(*x))) # train_detector(detector, train_loader, 10, optimizer, device) print(Object detector initialized. Please load COCO dataset to train.)4. 性能评估4.1 图像分类模型性能模型数据集准确率训练时间模型大小简单CNNCIFAR10~75%~30分钟/10轮~10MBResNet18 (预训练)CIFAR10~92%~15分钟/5轮~40MB4.2 目标检测模型性能模型数据集mAP训练时间模型大小Faster R-CNNCOCO~37%~24小时/1轮~150MB5. 代码优化建议使用预训练模型预训练模型可以显著提高性能减少训练时间数据增强使用随机裁剪、翻转、颜色变换等数据增强技术提高模型泛化能力批量归一化在卷积层后添加批量归一化层加速训练过程学习率调度使用学习率衰减策略如StepLR或CosineAnnealingLR混合精度训练使用半精度浮点数训练加速计算并减少内存使用6. 结论计算机视觉是人工智能领域的重要方向从传统的图像处理方法到现代的深度学习模型计算机视觉技术取得了巨大进步。本文介绍了计算机视觉的核心技术包括图像表示、卷积神经网络和经典模型并通过PyTorch实现了图像分类和目标检测任务。随着深度学习技术的不断发展计算机视觉在图像分类、目标检测、语义分割、人脸识别等领域的应用越来越广泛。未来计算机视觉技术将继续向更高精度、更快速度、更广泛应用的方向发展为人工智能的进步做出更大贡献。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2462484.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…