Editing 计算机视觉 (section)

== 概述 ==

人类视觉系统能够轻松完成识别物体、判断距离、理解场景等任务，但让计算机实现这些能力却极具挑战。计算机视觉的核心问题在于：图像本质上只是像素值的数值矩阵，如何从这些低层次的数值中提取出高层次的语义信息（如"这是一只猫"或"前方有行人"），是该领域长期研究的根本难题。

早期的计算机视觉主要依赖人工设计的特征（如边缘、角点、纹理）与传统机器学习方法。自 2012 年 [[深度学习]] 在图像识别任务上取得突破以来，基于卷积神经网络（CNN）的方法逐渐成为主流，并在近年进一步扩展到 Transformer 等新型架构。