計算機視覺是怎麼認出圖中的貓咪的?

神奇的科普
12粉絲
192 次觀看·2025年9月22日
一個三歲小孩能在人群中一眼找到自己的媽媽
也能毫不猶豫的伸手拿起桌上蘋果
而讓計算機完成這些看似簡單的視覺任務
卻耗費了三代科學家的心血
讓機器看見世界真的有這麼難嗎
給你一張圖片 你一眼能認出這是一隻貓
那如果換作你來教計算機認識貓 你會怎麼做
這還不簡單 用數學語言告訴計算機
貓有圓圓的臉蛋 兩隻小耳朵 胖胖的身體
起初它似乎識別的不錯
根據你的描述 它發現了這些都是貓
等等 怎麼混進來一隻狗
當一隻狗因為長得有點像也被誤判為貓
問題就來了 更別說那些四眼八叉的貓
被遮住半張臉的貓 甚至長相奇特的貓
計算機就更傻眼了
你可能想再加幾條規則來區分
但世界上有上百種貓
每隻貓還能擺出成千上萬種姿勢
哪是三言兩語能描述清楚的
三歲小孩都能一眼認出來的貓
到計算機這裡居然這麼費勁
從小也沒人教我們怎麼看
但我們通過每天的觀察
在大腦中無形中積累了大量經驗
直到有一天我們突然對著眼前灰溜溜的東西說
貓
如果把人也當做照相機
那每次眨眼都會拍下一張照片
假如我們把這些貓的照片也餵給計算機
它能不能也學會食貓呢
可是要訓練計算機
得準備成千上萬張貓的照片
上哪去找呢
答案當然是萬能的互聯網
在搜索框裡輸入貓
各種花色 品種 姿勢的貓通通都有
不過單有圖片還不夠
我們得明確告訴計算機貓在哪
這時就需要把圖片中的貓框出來
這叫目標框
如果想框的更精確一些
還可以用顏色標出貓的具體輪廓
這叫分割顏碼
早在2007年
PASC VOC數據集就率先提出了這樣的數據
包含1萬多張圖片和2萬多個物體標註
09年Imagine.net數據集更進一步
收錄了1500萬個標註圖像
覆蓋22萬種類別
其中包括6萬種姿勢各異
種類繁多的貓
堪稱貓界百科全書
然而光有圖書還不夠
想看懂它們得有腦子
對計算機來說
圖片不過是一堆數字組成的像素網絡
而人類的大腦卻能從這些像素中
汲取出邊緣輪廓形狀
最終認出這是一隻貓
人類進化了5億年才掌握這種能力
我們的大腦由數十億個神經元組成
它們彼此連接形成強大的感知系統
於是從人腦中獲得靈感
我們可以給計算機也設計類似的神經元
從前面的節點獲取輸入信息
再輸出結果到後面的節點
這樣成千上萬的節點
分等級排列在一起
這構成了計算機的視覺神經網絡
再通過大量渲染數據來讀圖
計算機終於開始具備拾貓的本領
這個過程的核心技術
就是著名的捲機神經網絡
通過在數據集上訓練
讀書破萬卷
掌握其中的規律
計算機將成為一代拾貓大師
任何物體只要給出足夠多的樣例
計算機都能通通拿下
哪怕你整個四不像的東西出來
計算機也不會被唬住
至少能籠統的判斷這是某種動物
甚至換個思路
轉而說出它的顏色結構等特徵
他學的越多理解就越深
越來越像一個真正的觀察者
經過長年累月的訓練
計算機終於邁入
3歲兒童的認知水平
但從3歲到18歲
是一段更漫長的成長之路
3歲只能拾貓拾狗
稍微復雜點就懵了
比如讓他判斷兩隻貓
是在打架還是在玩耍
他就顯得束手無策
而人類不僅能識別圖中物體
還能理解圖像中發生了什麼事
為了讓計算機實現這一點
我們開始教他看圖說話
要做到這一點
計算機不僅要看
還得懂語言
他要把圖像與自然語言建立聯系
這就是圖文理解
從貓在窗臺上打瞌睡
到騎著摩托車
穿過沙漠的男人
神情肩影
計算機學會用完整的句子
來描述圖像
圖像不再是靜態的像素堆
而變成一個個生動的故事
場景和情感
再進一步
當計算機處理的
不再是一張圖片
而是一段視頻
它就像是進入了一部電影
他要理解時間動作變化
甚至要準確的
在視頻中空降到關鍵信息
比如找到小朋友第一次笑的瞬間
或者快速概括一段
這就好比從看圖識物
跨越到圖像作文和視頻摘要
這時候的計算機視覺
已經不只是識別
更具備了理解力和表達力
18歲的計算機視覺
已經具備了走向社會的能力
它不再只是
實驗室裏的技術產物
而是真正走進了
人類生活的方方面面
在自動駕駛中
它就是那雙始終警覺的電子眼
實時識別紅綠燈
車道線
行人和其他車輛
在安防監控系統裏
它可以從成千上萬小時的錄像中
精準找到那個
留著中分頭
穿背帶褲的嫌疑人
在醫院裏
它搖身一變
成了醫生的得力助手
能在愛滋光片中
發現人眼難以察覺的病變
從模仿人類視覺開始
計算機視覺
如今已經成長為
一個既能觀察
又能分析的新成年人
正以看得更遠
看得更細的方式
改變著我們的生活和時代
未來
他的眼睛
或許就是我們的第二雙眼睛
我是推特宇宙
講有溫度的故事
做有思考的科普
我們下期再見
