免費(fèi)的ppt網(wǎng)站推薦,做選擇的網(wǎng)站,瀏覽器主頁制作,工信部查網(wǎng)站備案在學(xué)術(shù)界#xff08;特別是計(jì)算機(jī)科學(xué)、機(jī)器人學(xué)和認(rèn)知科學(xué)領(lǐng)域#xff09;#xff0c;Vision#xff08;視覺#xff09; 和 Perception#xff08;感知#xff09; 雖然經(jīng)?；煊?xff0c;但在嚴(yán)格定義下有明顯的層級(jí)和范圍區(qū)別。 簡(jiǎn)而言之#xff1a;Vision 是手段…在學(xué)術(shù)界特別是計(jì)算機(jī)科學(xué)、機(jī)器人學(xué)和認(rèn)知科學(xué)領(lǐng)域Vision視覺和Perception感知雖然經(jīng)?；煊玫趪?yán)格定義下有明顯的層級(jí)和范圍區(qū)別。簡(jiǎn)而言之Vision 是手段ModalityPerception 是目的Capability。Vision 通常指處理視覺信號(hào)的具體技術(shù)或過程而 Perception 指的是通過一種或多種傳感器獲取環(huán)境信息并建立對(duì)世界“理解”的更高級(jí)、更廣泛的認(rèn)知過程。以下是詳細(xì)的學(xué)術(shù)界定與區(qū)別1. 范圍與模態(tài) (Scope Modality)Vision (Computer Vision / Machine Vision):定義專注于處理**圖像Images或視頻Video**數(shù)據(jù)的領(lǐng)域。它研究如何從像素陣列中提取信息。數(shù)據(jù)源主要是 RGB 相機(jī)、紅外相機(jī)、深度相機(jī)RGB-D。典型任務(wù)目標(biāo)檢測(cè)Object Detection、圖像分割Segmentation、光流估計(jì)Optical Flow、三維重建3D Reconstruction。學(xué)術(shù)定位它是人工智能的一個(gè)子領(lǐng)域?qū)Ｗ⒂凇翱础?。Perception (Machine Perception / Robot Perception):定義這是一個(gè)更廣泛的概念指智能體Agent通過傳感器將原始物理信號(hào)轉(zhuǎn)化為對(duì)環(huán)境的抽象理解Understanding或狀態(tài)估計(jì)State Estimation。數(shù)據(jù)源多模態(tài)Multi-modal。除了相機(jī)Vision還包括激光雷達(dá)LiDAR、毫米波雷達(dá)Radar、超聲波、IMU慣性測(cè)量單元、觸覺傳感器Tactile、聽覺傳感器等。典型任務(wù)傳感器融合Sensor Fusion、SLAM定位與建圖、場(chǎng)景理解Scene Understanding、狀態(tài)監(jiān)測(cè)State Monitoring。學(xué)術(shù)定位它是機(jī)器人學(xué)或認(rèn)知系統(tǒng)的一個(gè)核心模塊專注于“理解環(huán)境”。區(qū)別點(diǎn)如果你只用攝像頭做檢測(cè)這通常被歸類為 Computer Vision如果你結(jié)合了 LiDAR 和攝像頭來做自動(dòng)駕駛的障礙物規(guī)避這通常被統(tǒng)稱為 Perception System。2. 抽象層級(jí) (Level of Abstraction)在認(rèn)知科學(xué)和機(jī)器人流程中兩者處于不同的處理階段Vision (Low-level to Mid-level):傾向于信號(hào)處理和特征提取。關(guān)注點(diǎn)邊緣在哪里紋理是什么這是一個(gè)物體嗎輸出邊界框Bounding Box、像素掩碼Mask、特征描述子。Perception (Mid-level to High-level):傾向于語義理解和狀態(tài)推斷。關(guān)注點(diǎn)這個(gè)物體離我多遠(yuǎn)它在移動(dòng)嗎這個(gè)場(chǎng)景是廚房還是臥室地面是否濕滑輸出3D 占用柵格Occupancy Grid、語義地圖Semantic Map、物體軌跡預(yù)測(cè)。3. 具體領(lǐng)域的語境差異A. 在機(jī)器人學(xué) (Robotics) 中這是兩者區(qū)別最明顯的地方Vision是一個(gè)“傳感器流”。Perception是一個(gè)“功能模塊”。在自動(dòng)駕駛軟件棧Software Stack中通常會(huì)有一個(gè)Perception Module。這個(gè)模塊內(nèi)部可能包含了 Computer Vision 算法處理攝像頭數(shù)據(jù)但也包含了點(diǎn)云處理算法處理 LiDAR和卡爾曼濾波用于融合。例子“Visual Odometry” 是 Vision 問題但 “State Estimation” (位置、速度、姿態(tài)) 是 Perception 問題。B. 在認(rèn)知科學(xué) (Cognitive Science) 中Vision更多指生理機(jī)制眼睛視網(wǎng)膜到視皮層的通路。Perception指心理過程Sensation Interpretation。學(xué)術(shù)界常說 “Visual Perception”視覺感知指的是大腦如何解釋視覺信號(hào)例如視錯(cuò)覺屬于 Perception 問題不僅僅是 Vision 問題。4. 總結(jié)對(duì)比表特征Vision (視覺)Perception (感知)核心定義處理光信號(hào)/圖像數(shù)據(jù)的能力解釋感官輸入以理解環(huán)境的能力輸入數(shù)據(jù)圖像、視頻 (2D/3D 像素)圖像、點(diǎn)云、聲音、力觸覺、位置信息等關(guān)鍵動(dòng)詞See (看), Detect (檢測(cè)), Recognize (識(shí)別)Understand (理解), Estimate (估計(jì)), Sense (感覺)涵蓋范圍子集 (Subset)超集 (Superset)包含 Vision, Audio, Tactile 等常見應(yīng)用人臉識(shí)別、醫(yī)學(xué)影像分析自動(dòng)駕駛環(huán)境建模、機(jī)器人抓取反饋數(shù)學(xué)工具投影幾何、卷積神經(jīng)網(wǎng)絡(luò) (CNN)概率論 (貝葉斯估計(jì))、卡爾曼濾波、圖優(yōu)化一句話總結(jié)在學(xué)術(shù)寫作中如果你討論的是處理圖像的具體算法請(qǐng)用Vision如果你討論的是系統(tǒng)如何通過多傳感器融合來理解環(huán)境狀態(tài)請(qǐng)用Perception。