计算机视觉是怎么工作的？

计算机视觉（Computer Vision）是让机器从图像像素中提取语义并判断的技术，核心构成包括像素矩阵化、卷积神经网络逐层提取边缘与形状特征、以及分类头输出各类别概率，解决的是机器无法直接看懂图像内容的识别问题，并不解决光照遮挡与标注偏差造成的识别不准问题。

1. 图变数字
   照片对机器来说，就是像素堆。比如一张小图，28×28像素，每个点有个颜色值（0是黑，255是白），彩色图还有红绿蓝三份数据。
2. 找线索
   以前是人教机器看“尖耳朵是猫”，现在用卷积神经网络（CNN），它自己找线索。第一层可能发现边缘，第二层拼出耳朵形状，再往后认出整只猫。
3. 猜答案
   处理完，机器给个结果：“95%是猫，5%是狗。”这概率咋来的？靠训练——喂它几万张猫狗图，反复调参数，直到它眼力变贼好。

比如有个经典例子：MNIST手写数字。机器看了6万张手写“0-9”，练到能认新数字，准得跟收银员似的。现在快递单扫描就用这技术。