超级会员免费看
本文概述了计算机视觉的发展历程，从20世纪50年代的二维图像分析到21世纪的深度学习应用。计算机视觉从最初的图像识别研究，发展到现在的深度学习主导，涵盖了安防、交通、工业生产、在线购物等多个领域。深度学习技术，如卷积神经网络（CNN），在图像分类、物体检测、人脸识别等方面取得了显著成果，推动了ImageNet等数据集的产生，促进了算法的快速发展。此外，文章还介绍了OpenCV等计算机视觉工具包，并探讨了GPU在深度学习中的加速作用。
计算机视觉简述
参考文章：计算机视觉发展史
参考书籍：【深度学习与计算机视觉】 叶韵编著
计算机视觉的发展
计算机视觉是深度学习领域最热门的研究领域之一，目前在各领域应用广泛，而它是如何发展至今，让我们一起回顾一下计算机视觉的发展史。
20世纪50年代，主题是二维图像的分析和识别
1959年，神经生理学家David Hubel和Torsten Wiesel通过猫的视觉实验，首次发现了视觉初级皮层神经元对于移动边缘刺激敏感，发现了视功能柱结构，为视觉神经研究奠定了基础——促成了计算机视觉技术40年后的突破性发展，奠定了深度学习之后的核心准则。
1959年，Russell和他的同学研制了一台可以把图片转化为被二进制机器所理解的灰度值的仪器——这是第一台数字图像扫描仪，处理数字图像开始成为可能。
这一时期，研究的主要对象如光学字符识别、工件表面、显微图片和航空图片的分析和解释等。
20世纪60年代，开创了三维视觉理解为目的的研究
1965年， Lawrence Roberts《三维固体的
订阅专栏 解锁全文
扫一扫
2030
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
