機(jī)器視覺與計(jì)算機(jī)視覺的區(qū)別是什么？計(jì)算機(jī)視覺和機(jī)器視覺，首先應(yīng)用場(chǎng)景是不一樣的其次，我覺得最大的區(qū)別在于重點(diǎn)的技術(shù)要求不一樣，甚至有很大的不同。計(jì)算機(jī)視覺，主要用于定性分析，如分類識(shí)別，這是一個(gè)杯子，

機(jī)器視覺與計(jì)算機(jī)視覺的區(qū)別是什么？

計(jì)算機(jī)視覺和機(jī)器視覺，首先應(yīng)用場(chǎng)景是不一樣的

其次，我覺得最大的區(qū)別在于重點(diǎn)的技術(shù)要求不一樣，甚至有很大的不同。

計(jì)算機(jī)視覺，主要用于定性分析，如分類識(shí)別，這是一個(gè)杯子，那是一只狗。或者做身份識(shí)別，比如人臉識(shí)別，車牌識(shí)別。或者做行為分析，比如入侵、游蕩、剩飯剩飯、人群聚集等

機(jī)器視覺主要關(guān)注數(shù)量的分析，比如通過視覺測(cè)量零件的直徑。一般來說，它要求高精度。當(dāng)然，不能按質(zhì)量或數(shù)量來做。一些計(jì)算機(jī)視覺應(yīng)用還需要分析數(shù)量，比如商場(chǎng)里的人數(shù)。有些機(jī)器視覺還需要對(duì)質(zhì)量進(jìn)行分析，比如零件的自動(dòng)分類。但一般來說，計(jì)算機(jī)視覺對(duì)質(zhì)量的要求不是很高。商場(chǎng)里人數(shù)的統(tǒng)計(jì)誤差不能殺人，但機(jī)器視覺確實(shí)可以，比如說測(cè)量出的道岔間距。

既然要求如此之高，機(jī)器視覺比計(jì)算機(jī)視覺更難嗎？

計(jì)算機(jī)視覺和計(jì)算機(jī)圖形學(xué)哪個(gè)更難？

我個(gè)人認(rèn)為，在這兩個(gè)方向上誰難誰容易并不重要。如果說圖形是在模擬自然，那么視覺就是在模擬人。人們?nèi)绾卫斫庾匀皇莻€(gè)謎，自然如何理解自己也是個(gè)謎。

流體模擬中的不可壓縮解方程在數(shù)學(xué)上非常優(yōu)雅。你應(yīng)該知道計(jì)算機(jī)視覺不僅僅是一個(gè)簡(jiǎn)單的CNN堆棧。在傳統(tǒng)的圖像處理算法中，光流邊緣的提取也是一個(gè)非常困難和有趣的問題。在這個(gè)領(lǐng)域，有很多研究方向等著你細(xì)細(xì)琢磨。另外，即使你做圖形，當(dāng)你想做視覺創(chuàng)意的時(shí)候，沒有人會(huì)阻止你去做視覺，反之亦然。目前計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺的各個(gè)研究領(lǐng)域都在強(qiáng)調(diào)跨學(xué)科的啟發(fā)。我認(rèn)為這很重要。別把自己吊死在樹上。如果你說我是一個(gè)圖形的人，你不允許自己做。這一點(diǎn)經(jīng)常出現(xiàn)在圖形研究人員身上。我認(rèn)為圖形社區(qū)的維護(hù)也要求我們改變思維，多合作，多學(xué)習(xí)，多開源。

只懂python一門編程語言的人，可以做計(jì)算機(jī)視覺工程師嗎？

精通Python可能只是語法之類的。

計(jì)算機(jī)視覺有其特殊的課程和原理。建議先學(xué)習(xí)。作為研發(fā)人員，MATLAB、python都是一樣的，都是圖像處理方面的知識(shí)。

計(jì)算機(jī)視覺與數(shù)據(jù)挖掘哪個(gè)領(lǐng)域從業(yè)難度更高，知識(shí)更深?yuàn)W？

我不認(rèn)為它是高或低。數(shù)據(jù)挖掘技術(shù)應(yīng)用廣泛，對(duì)人才的需求也一直很大。

計(jì)算機(jī)視覺的前景怎么樣？

前景非常好。目前，人臉識(shí)別、OCR、行為識(shí)別等都得到了廣泛的應(yīng)用。在安防領(lǐng)域，計(jì)算機(jī)視覺還有很大的市場(chǎng)，需要實(shí)現(xiàn)的需求很大，行業(yè)對(duì)人才的需求還是很大的。自動(dòng)駕駛依靠計(jì)算機(jī)視覺。如果做得好，將會(huì)改變整個(gè)汽車工業(yè)。

非計(jì)算機(jī)專科學(xué)歷的人去應(yīng)聘計(jì)算機(jī)視覺相關(guān)工作怎么樣？

事實(shí)上，學(xué)習(xí)計(jì)算機(jī)并沒有學(xué)習(xí)金融那么重要。本科以下計(jì)算機(jī)專業(yè)的專業(yè)是學(xué)習(xí)應(yīng)用能力。編程語言只是一個(gè)簡(jiǎn)單的邏輯工具。這并不難。你不需要很多好學(xué)校。你可以讀你自己的書（但你可以繞道而行）。不推薦）。關(guān)鍵是你越往上爬，就越需要數(shù)學(xué)和英語的力量。你需要改進(jìn)探索算法，了解最新技術(shù)，我們必須閱讀國(guó)外原創(chuàng)文獻(xiàn)，所以我們必須學(xué)好數(shù)學(xué)和英語。如果只向應(yīng)用發(fā)展，兩個(gè)計(jì)算機(jī)專業(yè)也是可能的。

俗話說得好，大師帶路，修行就是個(gè)人。無論是大專還是高中，我相信只要我能堅(jiān)持學(xué)習(xí)，我一定能有所收獲。機(jī)器視覺是最常用的人工智能應(yīng)用之一。更好的介紹請(qǐng)看維基百科。

https://en.wikipedia.org/wiki/Computer計(jì)算機(jī)視覺是利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理，獲得我們想要的信息。在人工智能領(lǐng)域，計(jì)算機(jī)視覺的意義更近了一步，它不再是簡(jiǎn)單的圖像采集和圖像處理，如裁剪、縮放、濾波等，而是如何像人一樣理解圖像。這一領(lǐng)域的先驅(qū)者可以追溯到更早的時(shí)代，但直到20世紀(jì)70年代末，計(jì)算機(jī)性能的提高足以處理圖像等大規(guī)模數(shù)據(jù)，計(jì)算機(jī)視覺才得到了正式的關(guān)注和發(fā)展。

例如，在下面的圖片中，人們可以很容易地識(shí)別一個(gè)男人、一條斑馬線、一個(gè)黑色背包、一部手機(jī)等等。同時(shí)，他們還可以了解這些對(duì)象之間的關(guān)系。一個(gè)背著黑色背包的男子正在打電話穿越斑馬線。甚至可以進(jìn)行進(jìn)一步的推理，比如根據(jù)男人的穿著，那么他可能是一個(gè)喜歡運(yùn)動(dòng)的人。

信息，計(jì)算機(jī)視覺就是這么做的。

目前，計(jì)算機(jī)視覺主要包括：最基本的，如目標(biāo)檢測(cè)與識(shí)別，在此基礎(chǔ)上，動(dòng)作手勢(shì)識(shí)別，目標(biāo)跟蹤，圖像恢復(fù)與增強(qiáng)。

進(jìn)一步的研究是圖像理解。例如，在下面的圖片中，我們首先需要識(shí)別圖片中的所有對(duì)象并為它們添加標(biāo)簽。例如，在左邊的圖片中，我們可以識(shí)別大象、河流等，甚至包括描述性信息，如臟的、躺著的、站著的等等。這些標(biāo)記在語義上被重新組織成一個(gè)句子。然而，在圖像中仍然存在許多問題，如識(shí)別圖像中不存在的對(duì)象，如馬、人等。因此，輸出語句（黑色）與實(shí)際語句（藍(lán)色）有很大的不同。