计算机视觉

在本节中，我们将回顾合合信息在CCIG 2024关于文档解析技术加速大模型训练与应用的分享，介绍大模型训练和应用过程的关键环节面临的挑战，探索当前高性能的文档解析技术。

可信 AI 是指具备高度可信性和可靠性的人工智能系统。本文将对人工智能发展及其面对的安全挑战进行简要介绍，并回顾在 WAIC 2023 合合信息关于 AI 图像安全的相关分享。

本文将探讨智能文档图像处理技术的基本原理和特点，回顾了合合信息在VALSE 2023会议上关于智能文档图像处理技术的相关分享，并详细介绍了版面分析技术及其应用，以深刻认识智能文档图像处理技术的重要性.

通过分析图像上像素值的分布，可以修改并改进图像。在本节中，将介绍如何使用由查找表表示的简单映射函数来修改图像的像素值，查找表通常是根据直方图分布定义的。

图像直方图是一种反映图像色调分布的直方图，其绘制每个色调值的像素数，每个色调值的像素数也称为频率 (frequency)。本节中，我们将介绍如何创建图像直方图。

颜色信息对于特定对象的初始检测非常有用。皮肤颜色的检测是其中一个例子，其中检测到的皮肤区域可以用作图像中是否有人的指标；这种方法经常用于手势识别，使用肤色检测来检测手部位置。

RGB 颜色空间虽然是电子成像系统中颜色捕获和显示的有效表示，但这种表示不是很直观，因为，这并不是人类观察颜色的方式。在本节中，我们将介绍并利用色相、饱和度和亮度作为描述颜色的一种方式。

OpenCV 提供了一种流行的图像分割算法——GrabCut 算法的实现。GrabCut 是一种复杂且计算量大的算法，但它通常会得到非常准确的结果。该算法特别适合提取图像中的前景对象。

OpenCV highgui 模块包含了一组丰富的函数，可用于与图像进行交互。使用这些函数，应用程序可以对鼠标或按键事件做出响应。

RGB 并不是一个感知上均匀的色彩空间，为了解决这个问题，引入了具有感知均匀特性的其他颜色表示。在本节中，我们将学习如何将图像颜色转换到 CIE L*a*b* 色彩空间。

在面向对象的编程中，循环数据集合通常是使用迭代器完成的。迭代器是专门为遍历集合的每个元素而构建的类，隐藏了如何迭代给定集合中每个元素的具体操作。

为了访问矩阵的每个独立元素，只需要指定其行号和列号，将返回相应的元素，在多通道图像的情况下，它可以是单个数值或值的向量。

图像可以以不同的方式组合。因为它们是正则矩阵，所以它们可以可以执行加、减、乘或除等运算。OpenCV 提供了各种图像算术运算符，本节将学习如何使用不同的图像运算符。

在本节中，我们将学习如何通过移动像素来修改图像，在此过程不会改变像素值；而是将每个像素的位置重新映射到新位置。这对于在图像上创建特殊效果或校正由镜头等引起的图像失真时非常有用。

在有些情况下，图像处理函数只需要应用于图像的一部分。OpenCV 中使用了一种优雅而简单的机制来定义图像中的子区域并将其作为常规图像进行操作。本节中，我们将学习如何定义图像内的感兴趣区域。

在图像处理中，有时需要根据某个像素的相邻像素的值计算该像素位置的值。当这个邻域包括上一行和下一行的像素时，就需要同时扫描图像的多行像素，本节中，我们将介绍如何执行邻居访问扫描图像。

在大多数图像处理任务中，我们需要扫描图像的所有像素才能执行计算，由于需要访问大量像素，我们必须以高效的方法进行扫描。本节我们将介绍如何使用指针实现高效扫描图像的方法。

对抗攻击已经成为威胁深度学习模型广泛应用的重要问题，本节将研究如何调整输入图像，以使深度学习模型对图像输出完全不同的类别，即使修改后的图像在人眼看来与原始图像并无差别。

我们已经学习了基于 VGG16 体系结构实现性别分类。在本节中，我们将使用基于预训练的 Inception v3 体系结构实现性别分类。

Dlib 提供了基于深度学习的高性能人脸识别算法，该模型对户外数据集中标记人脸的识别准确率可以达到 99.38%。该算法基于 ResNet-34 网络实现，使用 `300` 万张人脸进行训练。