cv与CNN的技术与模块

1. CV技术的应用现状

​

- 工业领域：缺陷检测、无人质检、工业机器人视觉导航；

​

- 安防领域：人脸识别、行为分析、视频监控智能预警；

​

- 医疗领域：医学影像诊断（CT/MRI分析）、细胞识别、病理切片检测；

​

- 消费领域：手机拍照美颜、自动驾驶视觉感知、电商商品图像识别；

​

- 娱乐领域：虚拟主播、图像生成（AI绘画）、视频内容理解与推荐。

​

2. CNN模型识别图像中对象的流程

​

1. 图像预处理：将图像归一化、调整尺寸，转化为模型可输入的张量格式；

​

2. 卷积层提取特征：通过卷积核滑动计算，提取边缘、纹理、形状等低层特征，逐步组合为高层语义特征；

​

3. 池化层降维：通过最大池化/平均池化减少特征维度，保留关键信息并降低计算量；

​

4. 激活层引入非线性：通过ReLU等激活函数，让模型拟合复杂的特征映射关系；

​

5. 全连接层分类：将高层特征展平为一维向量，通过全连接层映射到类别概率；

​

6. 输出结果：通过Softmax函数得到各类别概率，取概率最大的类别作为识别结果。