大多數人現在常常在沒有意識到的情況下定期使用複雜的電腦視覺技術。過去需要密碼或指紋的密碼身份驗證等內容現在只需看一眼您的智能手機即可。
40% 的美國人每天至少使用一個應用程序使用面部生物識別和面部識別技術，在 18 至 34 歲人群中，這一比例增加到 75%1。預計到 2030 年，全球電腦視覺市場將以 19.6% 的指數複合年成長率成長 2，其他深度學習技術擴大了當今電腦視覺技術的可能性範圍。
從解鎖智慧型手機到在機場使用臉部掃描儀，電腦視覺技術正在迅速融入我們的日常生活。
什麼是電腦視覺？
計算機視覺是計算機科學和 人工智能 的一個子領域，它利用計算機和系統從圖像中收集有意義的信息。電腦視覺從影像中推斷資料以做出決策。其最終目標是正確識別物體和人以採取適當的行動，例如在自動駕駛汽車中避開人行道上的行人或準確識別可以解鎖手機的智慧型手機用戶。
電腦視覺如何運作？
電腦視覺技術旨在模仿人腦識別視覺訊息的過程。利用模式識別，它吸收輸入，將其標記為對象，並找到產生熟悉圖像的模式。計算機視覺致力於從圖像中獲取含義，同時對現實世界的視覺數據進行編目。
電腦視覺的歷史
與人工智慧的許多領域一樣，電腦視覺的首次嘗試發生在幾十年前。在 1960 年代，研究人員使用演算法來處理和分析視覺資料。到了 1970 年代，這項技術在圖像處理和模式債務識別方面變得更加準確。
在接下來的幾十年裡，科學家們利用機器學習演算法為大多數電腦視覺技術提供動力，最終實現了當時最大的突破之一，即 Viola-Jones 臉部偵測演算法。該演算法至今仍被用作核心機器學習物件偵測框架。隨著 2000 年代技術的快速進步，卷積神經網路使電腦能夠更準確地偵測物體並追蹤運動。
電腦視覺的實際應用
電腦視覺技術正在徹底改變許多行業，從改進的癌症檢測到自動駕駛汽車。臉部辨識、物件偵測和擴增實境等工具為現實生活中的應用提供了多種用例。
自動駕駛汽車
特斯拉是自動駕駛汽車的著名例子，但現代汽車最近也投資了一家深度學習電腦視覺新創公司，將該技術應用於其自動駕駛汽車 3。電腦視覺是自動駕駛汽車的核心功能，使自動駕駛汽車能夠理解周圍環境;感測器和硬體收集數十億個視覺資料點，以建立車外發生的情況的影像。從停車標誌到道路上的危險物體，再到行人到其他汽車，電腦視覺演算法提高了自動駕駛汽車的安全性和效率。
癌症檢測
人工智慧在醫療保健產業迅速發展，癌症檢測也不例外。X-ZELL 是一家使用先進的計算機視覺技術從圖像4 實現當天癌症診斷的公司。電腦視覺使用先進的演算法和機器學習來分析 X 光、MRI 和 CT 掃描等醫學影像，以更準確地識別潛在的癌症跡象。電腦視覺透過大量資料集進行學習，它可以準確識別人類可能難以察覺的微妙模式和特徵。在醫療保健領域，這可以改善患者的治療效果，加強治療，並最終挽救生命。
學校和公共區域的保安
為了提高學校和公共區域的安全性，Visio.ai 將邊緣運算與裝置上的機器學習和複雜的視覺系統相結合5。從機場人流量大的走道到大學和學校的入侵偵測，深度學習智慧可以與常見的監控攝影機結合，利用臉部辨識分析來測量情緒並偵測可疑活動。電腦視覺技術提供了提高學校、機場、交通系統等公共區域安全性的機會。
製造設定
製造環境充滿了電腦視覺技術的機會，從品質檢驗到生產監控再到供應鏈物流。例如，在品質檢測中，電腦視覺可以自動偵測缺陷、刮痕和其他異常情況。透過無線射頻辨識 （RFID），電腦視覺技術可以追蹤整個供應線的產品，優化庫存、生產計劃和交付。從改善供應鏈物流到確保半導體品質一致，電腦視覺支援更好的照明、更好的產品一致性、更高的效率等等。
電腦視覺的挑戰
電腦視覺和 邊緣智慧 為關鍵領域的進步提供了看似無限的機會。雖然更安全的車輛和更快的癌症診斷似乎沒有問題，但電腦視覺背後的智慧卻面臨挑戰。
隱私問題
隱私和安全是首要問題，就像許多人工智慧工具一樣。資料外洩的風險很高，而且敏感的機密資訊儲存在可能不安全的平台中，網路犯罪分子的攻擊動機很高。消費者擔心向科技公司提供過多的個人資料，而隨著網路犯罪的增加，電腦視覺人工智慧工具需要確保它們加強了防禦。
高成本
目前，電腦視覺技術的實施成本並不便宜，尤其是在更複雜的用例中，購買硬體和軟體以及執行維護的成本很高。添加需要清理、存儲和維護的大型數據集;計算機視覺技術成本更高。此外，這些系統的維護成本高昂，並且需要進行預測性維護，以便在潛在的設備缺陷成為更大的問題之前修復它們。
缺乏訓練有素的專家
雖然電腦視覺正在迅速發展，但很少有公司或個人擁有豐富的專業知識。與任何新技術一樣，教育和培訓需要時間才能充分趕上現實生活中的應用。公司努力留住專業技術人才，電腦視覺也不例外。組織還需要訓練有素的專家，了解人工智慧、機器學習和深度學習之間的差異，以充分訓練系統。
電腦視覺的未來
電腦視覺技術仍處於起步階段，但社會已經看到了它在製造、教育、安全、 零售、醫療保健、汽車行業等領域的巨大影響。隨著對物聯網 （IoT） 設備的需求不斷增長，消費性計算機視覺技術存在大量機會——虛擬現實耳機、增強現實智能 眼鏡等。隨著硬體變得更加複雜但價格實惠，電腦視覺穿戴式裝置和智慧小工具可以滲透到普通人身上。此外，隨著生成式人工智慧和深度學習的加速，電腦視覺模型將有更多的輸入可供學習。
Ambiq 如何貢獻
電腦視覺技術需要能夠處理機器學習推理的嵌入式晶片。為了使這項技術在邊緣設備上實用，它需要以低功耗運行並以最高效率運行。Ambiq 的超低功耗系統 單晶片 （SoC） 使邊緣設備具有最佳性能和能源效率，可以在設備上本地運行。
我們在 Northern Mechatronics （NMI） 的朋友最近在他們的旗艦NM180100上執行了數字識別，這是由 Ambiq 的 Apollo3 SoC 實現的。號碼在不到 2 秒的時間內被識別並返回。親自看看：
來源：
1 訊連科技新報告發現，每天有超過 131,000,000,000 名美國人使用臉部辨識，其中近一半人每天存取三個或更多應用程式 |2022 年 11 月 22 日
2 2023-2030 年計算機視覺市場規模、份額和趨勢分析報告：按組件、產品類型、應用、垂直領域（汽車、醫療保健、零售）、地區和細分市場預測 |2021
3 現代汽車投資深度學習計算機視覺初創 allegro.ai |五月11,2018
4 X-澤爾 |2023
人工智慧視覺在教育領域的 5 大應用 |2023
