计算机视觉是人工智能的分支，旨在使机器能够类似人类地解释和理解图像与视频。它涉及从视觉传感器获取的原始数据中提取、分析和理解视觉信息。与传统的图像采集不同，计算机视觉将数据转化为可操作的信息，实现如目标识别或场景分析等复杂任务的自动化。其与传统图像处理的最大区别在于大量采用机器学习和深度神经网络架构。
应用场景与案例
计算机视觉广泛应用于人脸识别（安防）、医学影像分析（诊断）、工业自动化检测、自动驾驶、车牌自动识别和食品行业自动分拣。在零售业，可用于智能库存管理和视频监控。在农业领域，通过卫星或无人机图像帮助识别作物病害。
主要软件工具、库和框架
常用的工具包括OpenCV、TensorFlow、PyTorch、Keras和Detectron2，这些库可支持目标检测、图像分割、运动追踪和模式识别。YOLO、Faster R-CNN和MMDetection以实时目标检测性能著称。数据标注常用LabelImg或CVAT等平台。
最新发展与趋势
计算机视觉受益于深度学习的突破，尤其是视觉Transformer（ViT）架构与多模态（图像+文本）模型的发展。模型在嵌入式设备上的优化和生成式AI的普及拓展了应用场景。自监督算法和大规模数据集训练也推动了行业进步，使计算机视觉更加高效与普及。