计算机视觉让机器看懂图片 从识物到判断场景与反应

计算机视觉（Computer Vision）是让机器从图像与视频像素中提取语义信息的方向，核心能力包括识别画面中有哪些物体、判断场景中在发生什么、据此触发动作（如自动驾驶见红灯刹车），解决图片只是一堆像素数值、无法直接表达含义的问题，并不解决需物理常识与因果推断才能做出的判断。

简单点说，CV就是给机器装上“火眼金睛”，让它能：

• 认东西：图片里有啥？人、狗还是树？
• 懂场景：这些东西干啥呢？人在跑，狗在睡？
• 会反应：看到啥就干啥，比如自动驾驶看到红灯就刹车。

是不是挺酷？接下来，咱们看看这“眼睛”是咋炼成的。