第 VI 部分 · 沟通、感知与行动
第 25 章 计算机视觉
Chapter 25 · Computer Vision
本章导读
让机器从像素理解世界：任务从分类、检测到分割层层递进，CNN 及其现代演进构成视觉技术栈的主干。
学习要点
- 视觉任务层级：图像分类 → 目标检测 → 语义 / 实例分割；基准数据集（ImageNet / COCO）。
- 手工特征时代：边缘、HOG、SIFT 与视觉词袋——理解 CNN 之前的世界。
- CNN 架构演进：LeNet → AlexNet → VGG → ResNet（残差连接为何有效）。
- 检测与分割：R-CNN 系列与 YOLO 思路、U-Net 与掩码分割概览。
- 新方向概览：自监督视觉预训练、视觉—语言多模态模型；深伪与视觉伦理。
核心概念
| 术语 | English | 一句话解释 |
|---|---|---|
| 图像分类 | Image Classification | 判定整张图像的类别 |
| 目标检测 | Object Detection | 同时定位（边界框）与分类 |
| 语义分割 | Semantic Segmentation | 像素级类别标注 |
| 卷积 | Convolution | 局部感受野 + 权值共享的线性运算 |
| 池化 | Pooling | 空间下采样获得平移鲁棒性 |
| 残差连接 | Residual Connection | 捷径连接缓解深层退化问题 |
| SIFT | Scale-Invariant Feature Transform | 尺度不变的手工特征代表 |
| 非极大值抑制 | NMS | 去除重叠检测框的标准后处理 |
| 数据增强 | Data Augmentation | 几何 / 色彩变换扩充训练样本 |
| 迁移学习 | Transfer Learning | 预训练特征迁移到小数据任务 |
配套代码（aima-python）
aima-python 是官方维护的开源算法库（MIT 协议），建议每学完一章就跑一遍对应模块的示例。