计算机视觉综合实践
理解卷积神经网络(CNN)原理，体验手写数字识别与AI图像分析，掌握计算机视觉的核心流程。
教学要点：计算机视觉核心流程：图像输入 → 预处理 → 特征提取(CNN) → 分类/检测 → 结果输出
CNN 可视化
手写数字识别
AI 图像分析
卷积神经网络结构 (LeNet-5)
卷积运算演示
卷积神经网络 (CNN)
核心操作：卷积(特征提取) + 池化(降维) + 全连接(分类)卷积核（滤波器）在图像上滑动，计算局部区域的加权和，提取边缘、纹理等特征。
多层卷积逐步提取从低级(边缘)到高级(形状/物体)的特征。
手写数字识别 (模拟 MNIST)
手写数字识别 (MNIST)
MNIST 是经典的手写数字数据集，包含 60000 张训练图和 10000 张测试图。此处使用简单的像素密度特征 + 模板匹配进行演示。真实场景使用 CNN 可达 99%+ 准确率。
流程：手写输入 → 28x28 灰度图 → CNN特征提取 → 10分类(0-9)
AI 图像内容分析
上传图片或输入描述，AI分析图像内容、场景和物体
点击上传图片
分析结果将显示在这里...