最新消息:20210816 当前crifan.com域名已被污染,为防止失联,请关注(页面右下角的)公众号

【整理】机器视觉MV vs 计算机视觉CV

视觉 crifan 1001浏览 0评论
机器视觉与计算机视觉的区别? – 知乎
【总结】
  • 计算机视觉 机器视觉 图像处理 关系
  • 计算机视觉
    • 侧重点:对质的分析
      • 有时候会兼顾量的分析
        • 举例
          • 商场的人数统计
      • 总体特点:量要求不是很高
        • 举例
          • 商场人数统计误差个百分之几死不了人的
    • 特点
      • 应用场景相对复杂
      • 识别的物体类型多
      • 形状不规则
      • 规律性不强
      • 有些时候甚至很难用客观量作为识别的依据
        • 举例
          • 识别年龄,性别
      • 准确度要求相对低一些
        • 因为:光线,距离,角度等前提/背景条件,往往是动态的变化的
    • 适合的算法
      • 深度学习
    • 应用举例
      • 分类识别
        • 举例
          • 这是一个杯子
          • 那是一条狗
      • 身份确认
        • 举例
          • 人脸识别
          • 车牌识别
      • 行为分析
        • 举例
          • 人员入侵
          • 人员徘徊
          • 遗留物
          • 人群聚集
    • 商业和创业
      • 很多业务是跟人相关
        • 很多垂直领域都有计算机视觉潜在需求
          • 更适合创业
  • 机器视觉
    • 侧重点:对量的分析
      • 特点
        • 对准确度要求很高
          • 举例
            • 道岔缺口测量,如果有误,可能会死人
      • 有时候会分析质
        • 举例
          • 零件自动分拣
    • 特点
      • 场景相对简单固定
      • 识别的物体类型少
        • 在同一个应用中
      • 识别的物体规则且有规律
      • 对准确度和处理速度要求比较高
        • 注:
          • 一般机器视觉的分辨率远高于计算机视觉,而且往往要求实时
    • 适合的算法
      • 基本上不适合采用深度学习
    • 应用举例
      • 测量零件的直径
      • 测量铁路道岔缺口
    • 商业和创业
      • 主要跟机器相关
        • 对准确度甚至安全性要求很高
          • 在资质品牌方面有较高的门槛
            • 寡头垄断严重
              • 更适合上班而不是创业

转载请注明:在路上 » 【整理】机器视觉MV vs 计算机视觉CV

发表我的评论
取消评论

表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
82 queries in 0.162 seconds, using 22.03MB memory