点击上方“新机器视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

为了帮助同事和客户了解更多有关计算机视觉和AI的更多信息，我们言简意赅介绍一些计算机视觉和AI术语，希望能帮助到大家。

01.

AIAPI

一个应用程序编程接口（API），供用户访问人工智能工具和功能。通过提供第三方AI服务，AIAPI使开发人员不必在内部构建自己的AI。

02.

AI演示

演示AI平台或一般人工智能的特性和功能。

03.

AI模型

给定输入数据和设置（称为“超参数”），训练AI算法的结果。AI模型是一种简化的表示形式，它试图封装AI算法在训练过程中学习到的所有内容。AI模型可以共享并在新数据上重用，以用于实际环境中。

04.

AI平台

供用户构建，部署和管理利用人工智能的应用程序的软件库或框架。与AIAPI相比，AI平台不那么静态，而且功能更广泛：尽管AIAPI返回第三方预先训练的模型的结果，但AI平台允许用户为不同的目的创建自己的AI模型。

05.

AI训练

训练一个或多个AI模型的过程。在训练过程中，AI通过查看越来越多的输入数据来对“学习”进行建模。在对给定输入进行预测之后，AI模型会发现其预测是否正确；如果不正确，它将调整其参数以解决该错误。

06.

注释

为AI训练做准备而对输入数据进行标记的过程。在计算机视觉中，必须根据您希望AI模型执行的任务对输入的图像和视频进行批注。例如，如果您希望模型执行图像分割，则注释必须包括图像中每个对象的位置和形状。

07.

计算机视觉

计算机科学，人工智能和机器学习的子领域，旨在为计算机提供对图像和视频的快速，高级的理解，并像人类一样“观看”它们。近年来，得益于深度学习和神经网络，计算机视觉在准确性和速度方面取得了长足的进步。

08.

数据收集

积累大量信息以训练AI模型的过程。可以从专有资源（例如您自己的视频）或从公开可用的数据集（例如ImageNet数据库）中收集数据。收集后，必须对数据进行批注或标记以用于AI培训。

09.

深度学习

人工智能和机器学习的一个子领域，它使用具有多个“隐藏”（深度）层的神经网络。得益于算法的改进和技术的进步，近年来，深度学习已成功地用于训练可以执行许多类似于人类的高级任务（从识别语音到识别图像内容）的AI模型。

10.

密集分类

一种仅通过几个例子就可以训练深度神经网络的方法，该方法最初由Lifchitz等人在年学术论文《密集分类和植入以进行少量学习》中首次提出。广义上讲，密集分类鼓励网络查看其试图识别的对象的各个方面，而不是仅