随着技术的不断发展，人工智能技术将在未来发挥更加重要的作用其中，深度系统DeepLearning作为人工智能技术的核心，将成为推动人工智能发展的关键因素什么是深度系统深度系统是一种基于神经网络的人工智能技术，它模仿人脑。
计算机视觉技术是使用计算机及相关设备对生物视觉的一种模拟，是人工智能领域的一个重要部分，它的研究目标是使计算机具有通过二维图像认知三维环境信息的能力是以图像处理技术信号处理技术概率统计分析计算几何神经网络。
图像分割属于图像处理领域最高层次的图像理解范畴所谓图像分割就是把图像分割成具有相似的颜色或纹理特性的若干子区域，并使它们对应不同的物体或物体的不同部分的技术这些子区域，组成图像的完备子集，又相互之间不重叠4。
1 算法优化和深度学习随着深度学习算法的兴起，机器视觉技术的研究和应用越来越依赖于大规模数据的训练和深度神经网络的优化深度学习算法在目标检测图像分类图像分割等领域取得了显著的成果，成为机器视觉技术的核心2 多模态融合。
作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统这里所 指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息因为感知可以看作是从感官信号中提 取。
6在ACM， 数学建模，Kaggle等比赛获得较好名次7在自然语言处理，机器学习深度学习计算机视觉图网络GAN等领域有相关项目经历加分8计算机视觉多智能体系统机器学习人工智能等相关专业硕士。
尤其是深度神经网络广泛应用于视觉系统中后，取得了许多很明显的成效对于自主移动机器人来说，视觉系统有着十分重要的作用，而图像分割技术更是在这个系统中担任着十分重要的角色传统的图像分割技术基本上已经能够将图像的前景和后景分隔。
直接法一般有图像处理技术，传统模式识别技术及人工神经网络技术1图像处理技术运用图像处理技术解决汽车牌照识别的研究最早始于80年代，但国内外均只是就车牌识别中的某一个具体问题进行讨论，并且通常仅采用简单的图像处理技术。
1告警精确度高 智能视频分析系统内置智能算法，能排除气候与环境因素的干扰，有效弥补人工监控的不足，减少视频监控系统整体的误报率和漏报率2实时识别报警 基于智能视频分析和深度学习神经网络技术，对人口流动较大的公共。
