计算机视觉三大子任务解析：图片分类、目标检测与图像分割的应用与实现

1次阅读

没有评论

共计 1555 个字符，预计需要花费 4 分钟才能阅读完成。

计算机视觉是人工智能领域的重要分支，它让计算机能够 ” 看懂 ” 图像内容。其中三个最基础也最重要的子任务分别是图片分类、目标检测和图像分割。虽然它们都处理图像，但解决的问题和输出结果却大不相同。

图片分类 ：这是最基础的任务，目的是给整张图片打上一个类别标签。比如判断一张图片是猫还是狗。它的输出很简单，就是一个类别名称。
目标检测 ：比分类更复杂一些，不仅要识别图片中有哪些物体，还要标出它们的具体位置。比如在一张街景图片中找出所有的汽车和行人，并用方框标出它们的位置。
图像分割 ：这是最精细的任务，它要给图片中的每个像素都打上标签。比如在医疗影像中，把肿瘤区域精确地勾勒出来。

假设我们有一张猫的图片，分类模型会输出 ” 猫 ” 这个标签。整个过程可以理解为：图片输入→特征提取→分类判断→输出类别。

看一张交通监控图片：
– 输入：包含汽车、行人、交通灯的街道图片
– 输出：多个边界框，每个框标注了物体类别和位置

医疗 CT 扫描图中：
– 输入：肺部 CT 图像
– 输出：每个像素标记为 ” 正常组织 ” 或 ” 肿瘤 ”

import tensorflow as tf
from tensorflow.keras.applications import ResNet50

# 加载预训练模型
model = ResNet50(weights='imagenet')

# 预处理图片
img = tf.keras.preprocessing.image.load_img('cat.jpg', target_size=(224, 224))
img_array = tf.keras.preprocessing.image.img_to_array(img)
img_array = tf.expand_dims(img_array, 0)  # 添加批次维度

# 预测
predictions = model.predict(img_array)
print(tf.keras.applications.resnet50.decode_predictions(predictions, top=3)[0])

import cv2

# 加载预训练模型和配置文件
net = cv2.dnn.readNet('yolov3.weights', 'yolov3.cfg')

# 读取图片
image = cv2.imread('street.jpg')
height, width = image.shape[:2]

# 预处理
blob = cv2.dnn.blobFromImage(image, 1/255, (416, 416), swapRB=True, crop=False)
net.setInput(blob)

# 获取检测结果
output_layers = net.getUnconnectedOutLayersNames()
layer_outputs = net.forward(output_layers)

# 处理输出（这里简化了，实际需要解析输出）print(layer_outputs)