AI基础认知 多轮对话是指人与机器之间进行连续、有上下文的交互过程，与单轮问答（一次提问一次回答）不同，它需要系统理解历史对话内容，并基于上下文给出连贯的回应。以下是其基本认知要点 核心特点上下文感知：能记住之前的对话内容（如用户偏好、已提及信息），避免重复提问或矛盾回答，状态维持：对话有“状态”（如购物流程中的订单信息），系统需跟踪状态变化，目标导向：多轮对话通常有明确目标（如... 星博讯 2026-04-09 18 #多轮对话 #上下文理解
AI基础认知 一、什么是图像分类？ 图像分类是计算机视觉中最基础、最核心的任务之一，其目标是：给一张输入图像，分配一个预先定义好的类别标签，输入：一张图像（一张图片文件），输出：一个或多个类别标签（“猫”、“狗”、“汽车”），通常还会附... 星博讯 2026-04-09 17 #图像分类
AI基础认知 一、核心定义与目标 目标检测 的任务是：识别出图像中有什么物体（分类问题），定位出每个物体在图像中的具体位置（回归问题），输出通常是一个列表，每个物体包含：边界框：一个矩形框，常用 (x_min, y_min, x_ma... 星博讯 2026-04-09 18 #核心定义 #目标
AI基础认知 图像分割是计算机视觉中的核心任务，旨在将图像划分为多个具有特定意义的区域或对象。以下是其基础原理的详细解析 基本定义图像分割是指根据图像的特征相似性（如颜色、纹理、灰度、形状等）将图像划分为若干个互不重叠的区域，使每个区域内部特征一致，而不同区域间特征差异明显，核心目标定位与识别：确定每个对象在图像中的位置... 星博讯 2026-04-09 16 #图像分割 #计算机视觉
AI基础认知 一、人脸识别基本概念 人脸识别 是指利用计算机视觉和生物特征识别技术，从图像或视频中自动检测、定位、分析和识别人脸的过程，它通常包含三个层次的任务：人脸检测：判断图像中是否有人脸，并确定其位置（输出边框），人脸对齐/配准：... 星博讯 2026-04-09 19 #基本概念
AI基础认知 一、核心定义 行为识别 是指从一段视频序列中自动识别、分类出其中主体（通常是人，也可以是物体或动物）正在执行的动作或行为的过程，动作 vs. 行为：在学术和工业界，这两个词有时混用，但可以稍作区分：动作：相对简单、... 星博讯 2026-04-09 16 #核心 #定义
AI基础认知 一、什么是姿态估计？ 核心定义：姿态估计是指从图像或视频中自动检测并定位人体（或物体）关键部位（如关节、面部特征点）的技术，进而推断出其身体各部分在空间中的几何构型，就是让计算机“看懂”图中人或物体的姿势， 主要任务类型姿... 星博讯 2026-04-09 18 #关键点检测 #姿态重建
AI基础认知 1.眼睛看到页面 计算机获取图像 找到文字区域 -> 计算机文字检测，认出每个字 -> 计算机文字识别，理解句子意思 -> 计算机后处理与纠错，现代OCR技术，尤其是深度学习兴起之后，已经变得高度自动化且准确,其核心... 星博讯 2026-04-09 16 #视觉感知 #图像获取
AI基础认知 这是一份全面的文档分析基础知识指南 核心定义与目标文档： 不仅仅是文本文档（如.txt, .docx），还包括PDF、演示文稿、电子邮件、网页、扫描图像、表格、合同、研究报告等任何承载信息的载体，文档分析： 指对文档内容进行系统性的检查... 星博讯 2026-04-09 17 #文档分析 #基础知识
AI基础认知 你可以把视频理解看作是图像理解在时间维度上的扩展和深化 核心定义与挑战基本定义： 视频理解是指利用计算机视觉、模式识别和机器学习技术，自动分析视频数据，以识别其中的物体、场景、动作、事件及其相互关系,并最终生成对视频内容的高层次语义描述，与图像识别的核心区... 星博讯 2026-04-09 15 #视频理解 #时间维度
