【機器視覺】【知乎】機器視覺與計算機視覺的區別?
計算機視覺與機器視覺,首先是應用場景不一樣,就像@Vinjn張靜 回答的那樣。
其次,我感覺最大的區別,在於技術要求的側重點不一樣,甚至差別很大。
計算機視覺,主要是對質的分析,比如分類識別,這是一個杯子那是一條狗。或者做身份確認,比如人臉識別,車牌識別。或者做行為分析,比如人員入侵,徘徊,遺留物,人群聚集等。
機器視覺,主要側重對量的分析,比如通過視覺去測量一個零件的直徑,一般來說,對準確度要求很高。我記得以前接觸過一個需求: 視覺測量鐵路道岔缺口。哥剛畢業的時候在鐵路上班,做過控制系統,還開過內燃機車,很清楚道岔缺口的重要性,這玩意兒你說要是測不準,呵呵:)
當然,也不能完全按質或量一刀切,有些計算機視覺應用也需要分析量,比如商場的人數統計。有些機器視覺也需要分析質,比如零件自動分揀。但,計算機視覺一般來說對量的要求不會很高,商場人數統計誤差個百分之幾死不了人的,但機器視覺真的會,比如那個道岔缺口測量。
既然要求這麼高,是不是機器視覺就比計算機視覺難呢?也不是的,應該說各有各的難處。
計算機視覺的應用場景相對複雜,要識別的物體型別也多,形狀不規則,規律性不強。有些時候甚至很難用客觀量作為識別的依據,比如識別年齡,性別。所以深度學習比較適合計算機視覺。而且光線,距離,角度等前提條件,往往是動態的,所以對於準確度要求,一般來說要低一些。
機器視覺則剛好相反,場景相對簡單固定,識別的型別少(在同一個應用中),規則且有規律,但對準確度,處理速度要求都比較高。關於速度,一般機器視覺的解析度遠高於計算機視覺,而且往往要求實時,所以處理速度很關鍵,目前基本上不適合採用深度學習。
以上討論的是技術,商業方面,計算機視覺的應用面更廣一些,畢竟很多業務是跟人相關,比如人臉識別,行為分析等,很多垂直領域都有計算機視覺潛在需求,相對來說,更適合創業;
而機器視覺顧名思義,業務主要跟機器相關,而且對準確度甚至安全性要求很高,也就在資質品牌方面有較高的門檻,所以寡頭壟斷嚴重,一般來說,更適合上班而不是創業。