计算机视觉使计算机和系统能够从数字照片、视频和其他视觉输入中提取有用的信息，并根据这些信息执行操作或提供建议。计算机视觉使机器具有感知、观察和理解的能力，就像人工智能使它们具有思考的能力一样。
人类视觉比计算机视觉具有优势，因为它存在的时间更长。通过终身的上下文，人的视觉有学习如何区分事物、确定它们与观察者的距离、确定它们是否在移动以及确定图像是否正确的优势。
通过相机、数据和算法代替视网膜、视神经和视觉皮层，计算机视觉教会计算机在更短的时间内执行类似的任务。一个经过训练的系统可以快速超越人类，因为它可以在每分钟检查成千上万个产品或过程，同时发现肉眼无法察觉的缺陷或问题。
能源、公用事业、制造业和汽车行业都使用计算机视觉，市场仍在不断扩大。
计算机视觉系统可以用于以下几种典型的工作：
对象分类。在对图像或视频中的对象进行预定标题分类之前，系统会分析视觉数据。例如，算法可以在图像中的所有项中识别出一只狗。
物品识别。系统分析视觉数据并识别出图片或视频中的特定对象。例如，算法可以从图像中的一组狗中挑选出一只特定的狗。
对象跟踪。系统分析视频，识别满足搜索条件的对象（或对象）并跟踪该对象的进展。
顶级计算机视觉工具
Kili Technology的视频标注工具
Kili Technology的视频标注工具旨在简化和加速从视频文件中创建高质量数据集的过程。该工具支持各种标注工具，包括边界框、多边形和分割，以实现精确的标注。通过先进的跟踪功能，您可以轻松地浏览帧并在直观的浏览视图中查看所有标签。
该工具支持各种视频格式，并与流行的云存储提供商无缝集成，确保与现有的机器学习流水线平稳集成。Kili Technology的视频标注工具是优化标注流程和构建强大数据集的终极工具包。
OpenCV
OpenCV 是一个用于机器学习和计算机视觉的软件库。OpenCV 旨在为计算机视觉应用提供标准基础设施，并为用户提供超过2,500种传统和前沿算法。
这些算法可以用于人脸识别、去除红眼、识别对象、提取对象的3D模型、跟踪移动对象以及将多个帧拼接成高分辨率图像等任务。
Viso Suite
Viso Suite 是一个完整的计算机视觉开发、部署和监控平台，使企业能够创建实用的计算机视觉应用。作为无代码平台的基础，Viso Suite 是计算机视觉的最佳软件堆栈，包括 CVAT、OpenCV、OpenVINO、TensorFlow 或 PyTorch。
图像标注、模型训练、模型管理、无代码应用开发、设备管理、物联网通信和定制仪表板等是 Viso Suite 的 15 个组成部分。全球的企业和政府机构使用 Viso Suite 创建和管理计算机视觉应用组合（用于工业自动化、视觉检测、远程监控等）。
TensorFlow
TensorFlow 是最知名的端到端开源机器学习平台之一，提供了大量的工具、资源和框架。TensorFlow 对于开发和实现基于机器学习的计算机视觉应用非常有益。
作为最简单的计算机视觉工具之一，TensorFlow 让用户能够为面部识别、图像分类、对象识别等与计算机视觉相关的任务创建机器学习模型。与 OpenCV 一样，TensorFlow 支持多种语言，包括 Python、C、C++、Java 和 JavaScript。
CUDA
CUDA 是由 NVIDIA 创建的并行计算平台和应用程序编程接口（API）模型，它使程序员能够利用 GPU（图形处理器）的能力加速处理密集型程序。
英伟达性能原语（NPP）库是工具包的一部分，它为各个领域（包括计算机视觉）提供了在GPU上加速的图像、视频和信号处理操作。此外，多个应用程序，如人脸识别、图像编辑、渲染3D图形等，都受益于CUDA架构。对于边缘AI实现，可以利用Nvidia CUDA进行实时图像处理，实现在Jetson TX2等边缘设备上进行设备内AI推理。
MATLAB
图像、视频和信号处理、深度学习、机器学习和其他应用都可以从编程环境MATLAB中受益。它包括一个计算机视觉工具箱，具有众多功能、应用程序和算法，可帮助您解决与计算机视觉相关的问题。
Keras
Keras是一个基于Python的开源软件包，作为TensorFlow机器学习框架的接口。它特别适合初学者，因为它能够快速构建神经网络模型，并提供后端支持。
SimpleCV
SimpleCV是一组开源库和软件，使得创建机器视觉应用变得简单。它的框架为您提供了许多强大的计算机视觉库，如OpenCV，而无需深入了解复杂的概念，如位深度、颜色方案、缓冲区管理或文件格式。基于Python的SimpleCV可以在Mac、Windows和Linux等多个平台上运行。
BoofCV
基于Java的计算机视觉程序BoofCV专门用于实时计算机视觉应用。它是一个综合性的库，具备开发计算机视觉应用所需的所有基本和高级功能。它是开源的，并在Apache 2.0许可下分发，可供商业和学术用途免费使用。
CAFFE
CAFFE是一种用于快速特征卷积的计算机视觉和深度学习框架，也称为嵌入式深度学习框架，是由加利福尼亚大学伯克利分校开发的。该框架支持各种深度学习架构，用于图像分割和分类，并使用C++编程语言开发。由于其惊人的速度和图像处理能力，它对于研究和行业实施非常有益。
OpenVINO
OpenVINO（Open Visual Inference and Neural Network Optimization）是一个综合的计算机视觉工具，帮助创建模拟人类视觉的软件。它是由英特尔设计的免费跨平台工具包。OpenVINO工具包包含用于多个任务的模型，包括对象识别、人脸识别、上色、运动识别等。
DeepFace
DeepFace是目前最流行的用于深度学习人脸识别的开源计算机视觉库。该库提供了使用Python进行基于人脸识别的计算机视觉的简单方法。
YOLO
2022年最快的计算机视觉工具之一是You Only Look Once（YOLO）。它于2016年由Joseph Redmon和Ali Farhadi创建，用于实时目标检测。YOLO是最快的目标检测工具，它将神经网络应用于整个图像，然后将其分割成网格。软件同时预测每个网格的可能性。在极其成功的YOLOv3和YOLOv4之后，YOLOR一直表现最好，直到2022年发布的YOLOv7超越它。
FastCV
FastCV是一个开源的图像处理、机器学习和计算机视觉库。它包含许多先进的计算机视觉算法，以及示例和演示。作为一个纯Java库，没有外部依赖关系，FastCV的API应该非常容易理解。因此，它非常适合希望快速将计算机视觉应用于其想法和原型中的初学者或学生。
为了将计算机视觉功能轻松集成到我们的移动应用和游戏中，该公司还在Android上集成了FastCV。
Scikit-image
用于在Python中处理图像的最佳开源计算机视觉工具之一是Scikit-image模块。Scikit-image允许您进行简单的操作，如阈值处理、边缘检测和颜色空间转换。
虽然它不是您经常使用的程序，但它有许多实际用途。例如，通过一些设置，您可以使用scikit-image在相机上使用红外光拍照或查找照片上的水印。这些只是scikit-image可以用于的一些示例。如果一切都失败了，图像处理是一个选择。
参考资料：
- https://xd.adobe.com/ideas/principles/emerging-technology/what-is-computer-vision-how-does-it-work/
- https://www.ibm.com/in-en/topics/computer-vision
- https://viso.ai/computer-vision/the-most-popular-computer-vision-tools/
- https://analyticslearn.com/top-computer-vision-tools-in-the-21st-century
- https://neptune.ai/blog/top-tools-to-run-a-computer-vision-project
文章《2023年最佳计算机视觉工具/平台》由MarkTechPost发布。