看懂机器视觉（CV）\听懂语音识别（ASR）\理解自然语言处理（NLP）_cv与语音

缩略语

1、机器视觉（CV）

       计算机机器视觉是一们研究让机器看见世界的科学，人类能够认出照片中的事务，推理他们之间的关系，但对于计算机来说，图像是一连串RGB数值，并没有任何意义。

      让机器看见世界有四个阶段，也是计算机四个核心问题：

      第一，图像分类---为不同的图像打上对应的标签；

      第二，物体检测---找到物体的位置，并且认出它们是什么；

      第三，语义分割---找到物体之间的关系和联系；

      第四，视频分析---看懂视频中的内容。

     让计算机看到世界有啥用？

       小到手机拍照中的人脸定位，银行中的人脸对比；大到自动驾驶、医疗影像诊断等，都是机器视觉的用武之地。

2、语音识别（ASR）

      与计算机识别不同，语音识别有且只有一个核心任务----将人类的语音转换成文字。那么，机器如何识别语音的么？

     语言由单词组成，单词又由音素组成，我们将一段语音声波按帧切开，用帧组成状态，用状态组成音素，再将音素合成单词，语音就变成了文字。这时候，机器就可以进行文本处理了。

      与语音相关的人工智能研究范围内的任务还有不少，声纹识别（识别说话者是谁）、语音合成（将文字信息转换为人类听得懂的语音），siri、智能音响、车载设备、这些都是语音识别看的见、摸得着的应用。

        感觉语音识别（ASR）效果不好，口音、噪声、距离都会影响识别结果，下次可以换个安静环境试试。

3、自然语言处理（NLP）

       自然语言处理是指通过机器处理和运用自然语言，它与语音识别单纯的将波形转换为文字不同。

       由于人类语言太复杂，不同情景下的同一词语可能对应着不同的含义，因此，自然语言处理的任务，往往会涉及理解语言的层面。语言的复杂使得自然语言处理涉及的任务也变得非常庞杂，例如机器翻译，即通过计算机将一种自然语言转换为另一种自然语言，我们常用的百度翻译、有道翻译都是机器翻译系统。

        中文自动分词，即使用计算机自动对中文文本进行词语切分，之前的锤子手机大爆炸，就是用的这项技术。问答系统，即能自动回答问题的对话系统，第一期中提到的图灵测试就是一个典型的问答系统。除此之外，还有信息抽取、阅读理解、自动摘要、文本分类等等。