概要

计算机视觉基于对图像中数字像素值的分析和处理。 机器学习模型使用大量图像进行训练，以实现常见的计算机视觉方案，例如图像分类、对象检测、语义分段、字幕生成等。

用于计算机视觉任务的模型从基于统计信息的图像分类器演变为从卷积神经网络到当今基于转换器的多模式模型。 前沿模型不仅可以解释视觉 输入，还可以生成视觉 输出。