《人工智能技术与应用》课件 项目6 图像识别

ARTIFICIAL认识图像识别人工智能技术与应用项目化教程计算机视觉计算机视觉：让机器像人一样“能看会认”的技术运算智能能存会算感知智能能听会说，能看会认认知智能能理解会思考1.图像的构成-像素计算机中的图像是由像素组成的。图片被放大后呈现的小方格即是像素。1.图像的构成-分辨率

在图像中，单位面积所包含的像素点的数目被称为图像分辨率。分辨率越高，像素点越密集，图像越逼真。你知道自己电脑的分辨率吗2.图像的构成-视频

视频是由一系列图像构成，我们把一张静止的图像称为一帧，当许多张静止的图像按照一定的频率进行刷新时，由于人眼的视觉暂留效应，就形成了视频。2.图像的构成-帧频一秒显示的帧或图像的数量称为帧频。帧频越高，视频越清晰。3.计算机处理图像的方式-RGB计算机中，任何数据都需要转化为数字形式进行存储和处理，图像也不例外。可以把一副图像抽象为红、绿、蓝三层叠加，每一层的像素都用0~255表示。我们眼中的图像[这是一只猫]计算机眼中的图像[这是一堆在0-255间的数字]3.计算机处理图像的方式-RGB彩色图灰度图二值/黑白图3.计算机处理图像的方式-编码可以把图像想象为一层层的像素点“叠加”而成。这些RGB信息加上一些如拍摄时间、大小等信息就构成了图像的信息。但是如果直接存储RGB像素点信息，图像往往很大，因此需要重新编码。不同编码方式的图片，其文件后缀不同。1.主要内容一Beautifulsoup库基础二Beautifulsoup库提取数据高级数据提取与处理三反爬机制与应对策略1.主要内容数字化时代数据的重要性在数字化时代，数据成为企业决策和科研探索的关键资源。通过数据爬取技术，可以快速获取并分析大量信息，为市场调研和学术研究提供支持。网络数据爬取技术的应用案例，如电商公司通过爬取竞争对手数据来制定营销策略，展示了数据在商业竞争中的作用。2.课程模块定位本模块在课程体系中的地位和作用本模块在《python

爬虫数据分析》课程中起着桥梁作用，连接了环境配置与数据分析，强调了数据爬取在数据分析流程中的基础地位。3.学习目标与价值引领价值引领课程旨在培养学生的数据意识、创新思维和团队合作精神，同时引导学生树立正确的数据价值观，尊重数据隐私和版权。3.学习目标与价值引领知识目标了解网页的结构和组成元素；掌握网络数据爬取的基本原理和流程；熟练掌握网页数据获取和解析的常用技术和工具；了解反爬机制和应对策略；掌握数据存储的方法和技巧；学会将爬取到的数据存储到本地文件，如CSV、JSON等格式3.学习目标与价值引领技能目标能够独立完成简单网页的数据爬取任务能够对爬取到的数据进行初步的清洗和处理，确保数据的质量和准确性。能够分析和解决网络数据爬取过程中遇到的问题能够将网络数据爬取技术应用到实际项目中案例分析-爬取影评网站数据04030201将数据存储为CSV格式，以便后续分析第四步存储用正则表达式或bs库提取出所需数据第三步解析并精确提取数据requests库获取网页源代码第二步爬取数据分析网页结构，找到评分和评论所在的标签第一步分析页面4.学习方法和建议理论与实践相结合善于总结和归纳积极参与讨论和交流关注前沿技术动态ThankyouPresentername20XX.XX.XXARTIFICIALARTIFICIAL图像技术分类人工智能技术与应用项目化教程1.计算机视觉技术定义计算机视觉（ComputerVision，CV）是一门研究如何使机器“看”的科学，即使用感知设备代替人眼对目标识别、跟踪或者测量等。智能的视觉系统（1）感知设备将图像转换成数据（2）计算机对数据进行各种学习和运算（数字图像处理、特征学习等）（3）计算机给出决策，如方向盘向左转动、紧急刹车等（4）终端设备接收到决策并执行2.计算机视觉的核心任务分割检测识别描述推理2.计算机视觉的核心任务分类任务检测任务目标追踪语义分割实例分割2.计算机视觉的核心任务-分类对输入图像进行分类识别结果猫卷积神经网络特征提取器（Conv……）分类器（softmax…

…）分类任务2.计算机视觉的核心任务-检测检测任务检测出图片中的物体位置，一般需要进行画框衍生识别任务：在检测的基础上，进行分类识别2.计算机视觉的核心任务-追踪目标追踪在特定场景跟踪某一个或多个特定感兴趣对象的过程检测2.计算机视觉的核心任务-语义分割语义分割将整个图像分成一个个像素组，然后对其进行标记和分类2.计算机视觉的核心任务-实例分割实例分割在语义分割的基础上，还需要区分出同一类不同的个体3.基于深度学习（DL）的实例——YOLOv53.基于深度学习（DL）的实例——YOLOv53.基于深度学习（DL）的实例——YOLOv5ThankyouPresentername20XX.XX.XXARTIFICIALARTIFICIAL图像识别的实际应用人工智能技术与应用项目化教程1.多领域应用概览计算机视觉图文识别工业视觉视频监控辅助驾驶医学影像人脸识别提取图片中的文字基于人的脸部特征识别身份非侵入方式取得内部组织影像利用传感器预先让驾驶者察觉到可能发生的危险利用视频技术探测、监视设防区域并实时记录现场图像生产过程的控制和监视图像识别2.典型应用场景详解1、医院：能够快速的对病人的报告进行病理分析2、银行：能够使用刷脸支付，节约交易时间2.典型应用场景详解1、对商场人流进行精准分析，如某区域男女比例、某顾客常光顾的区域等2、根据这些分析调整商场的物品布局，或者能够针对某个顾客做精准销售3.应用企业分布主要应用企业分布：人脸识别>视频监控分析>图片识别分析2.计算机视觉的核心任务分类任务检测任务目标追踪语义分割实例分割2.计算机视觉的核心任务-分类分类任务对输入图像进行分类识别结果猫卷积神经网络特征提取器（Conv……）分类器（softmax…

…）2.计算机视觉的核心任务-检测检测任务检测出图片中的物体位置，一般需要进行画框衍生识别任务：在检测的基础上，进行分类识别2.计算机视觉的核心任务-追踪目标追踪在特定场景跟踪某一个或多个特定感兴趣对象的过程检测2.计算机视觉的核心任务-语义分割语义分割将整个图像分成一个个像素组，然后对其进行标记和分类2.计算机视觉的核心任务-实例分割实例分