VertexHost

AI-2電腦視覺（CV）模型

—

作者:

李 易宸
分類:
  • YOLOv8（Ultralytics）→ 即時物件偵測，高效能且輕量。
  • SAM（Segment Anything Model）（Meta）→ 任意圖像分割模型。
  • DINOv2（Meta）→ 無需標註的大規模影像辨識模型。
  • Whisper（OpenAI）→ 高準確度的語音轉文字（ASR）。
  • DeepLabV3+（Google）→ 影像分割模型，廣泛用於醫療與自動駕駛。
  • YOLOv8（Ultralytics）→ 即時物件偵測，高效能且輕量。
  • SAM（Segment Anything Model）（Meta）→ 任意圖像分割模型。
  • DINOv2（Meta）→ 無需標註的大規模影像辨識模型。
  • Whisper（OpenAI）→ 高準確度的語音轉文字（ASR）。
  • DeepLabV3+（Google）→ 影像分割模型，廣泛用於醫療與自動駕駛。

1. 影像分類（Image Classification）

用途：識別圖像中的主要對象或場景類別（例如：貓、風景、疾病特徵）。

  • 應用場景：
    • 醫療診斷：自動辨識X光片中的腫瘤或骨折（如 CheXNet）。
    • 零售：商品自動分類（如電商平臺的圖像搜索）。
    • 農業：監測作物健康狀態（如 PlantVillage 模型）。
  • 代表性模型：
    • ViT（Vision Transformer）：基於 Transformer 的高精度分類模型。
    • ResNet：經典的深度卷積神經網絡，廣泛用於分類任務。

2. 物件檢測（Object Detection）

用途：定位圖像中多個物體的位置並分類（輸出邊界框和標籤）。

  • 應用場景：
    • 自動駕駛：辨識行人、車輛、交通標誌（如 Tesla 的 Autopilot 系統）。
    • 安防監控：偵測異常行為或危險物品（如機場安檢）。
    • 工業檢測：產品瑕疵檢測（如半導體製造）。
  • 代表性模型：
    • YOLO系列（YOLOv8）：輕量級且實時性強，適用於嵌入式設備。
    • EfficientDet：平衡精度與效率的檢測框架。

3. 影像分割（Image Segmentation）

用途：將圖像分割為多個區域，精確標註物體輪廓（像素級別）。

  • 子任務：
    • 語義分割：區分不同類別的區域（如道路、建築物）。
    • 實例分割：區分同一類別的不同個體（如人羣中的每個人）。
  • 應用場景：
    • 醫療影像：標記腫瘤或器官（如 nnUNet）。
    • 虛擬實境（VR）：背景分離與場景重建。
    • 衛星影像：土地利用分類（如森林、城市）。
  • 代表性模型：
    • SAM（Segment Anything Model）：可分割任意物體的通用模型。
    • DeepLab系列（DeepLabV3+）：高精度語義分割模型。

4. 圖像生成與編輯（Image Generation & Editing）

用途：生成新圖像或修改現有圖像內容。

  • 應用場景：
    • 藝術創作：生成風格化圖像（如 Stable Diffusion）。
    • 廣告設計：自動替換背景或添加元素。
    • 老照片修復：去除噪點、補全缺失區域（如 GFPGAN）。
  • 相關技術：
    • GAN（生成對抗網絡）：如 StyleGAN 用於人臉生成。
    • Diffusion模型：如 DALL·E 3 生成高解析度圖像。

5. 影片分析（Video Analysis）

用途：理解影片中的動態內容（動作、事件、時序關係）。