Introducing
Your new presentation assistant.
Refine, enhance, and tailor your content, source relevant images, and edit visuals quicker than ever before.
Trending searches
Что такое "компьютерное зрение"?
Это набор методов, позволяющих обучить машину извлекать информацию из изображения или видео.
Как самостоятельная дисциплина компьютерное зрение зародилось в начале 50-х годов прошлого века.
В 1951 году Джон фон Нейман предложил анализировать микроснимки при помощи компьютеров путём сравнения яркости соседних частей изображения.
или средних частот.
(удаление шума, улучшение контрастности).
(принимается решение о том, какие точки или участки изображения являются
важными для дальнейшей обработки).
(обычно представляют небольшой набор данных в котором предположительно находится определённый объект).
Системы видеонаблюдения
Системы дополненной реальности и смартфоны
Беспилотные автомобили
Вычислительная фотография
Сканер
В медицине
Ребенок учится распознавать объекты постепенно. Он начинает осознавать, как меняется форма объекта в зависимости от его положения и освещения. В дальнейшем при распознавании объектов человек ориентируется на предыдущий опыт.
Компьютеру все это дается гораздо сложнее. И в первую очередь из-за проблемы накопления опыта. Нужно собрать огромное количество примеров, что пока что не очень получается.
Для этого составляется огромная обучающая выборка, например, из фотографий, часть из которых содержат искомый объект, а другая часть — напротив, не содержит.
Далее в дело вступает машинное обучение. Компьютер анализирует изображения из выборки, определяет, какие признаки и их комбинации указывают на наличие искомых объектов, и просчитывает их значимость.
Для компьютера изображение — это набор пикселей, у каждого из которых есть своё значение яркости или цвета.
Чтобы машина смогла получить представление о содержимом картинки, ее обрабатывают с помощью специальных алгоритмов.
Сначала выявляют потенциально значимые места. Например, исходное изображение несколько раз подвергают размытию по Гауссу, используя разный радиус размытия. Это позволяет выявить наиболее контрастные фрагменты — яркие пятна и изломы линий.
Для ускорения этого процесса машина объединяет дескрипторы в группы и кластеры по каким-то общим схожим признакам.Когда деление на кластеры завершается, для всей системы становится важным лишь определение кластера, в котором содержатся фрагменты, схожие с искомым.
Переход от дескриптора к номеру кластера называется квантованием. Квантование существенно сокращает объём данных, которые необходимо обработать компьютеру.
За счет работы дескрипторами при квантовании машине удается
производить сравнение разных изображений, определяя на них отдельные
объекты.
Сравнивая между собой наборы дескрипторов разных изображений,
компьютер может делать выводы о том, насколько схожи между собой те или
иные элементы.
Такое сравнение в том числе используется поисковыми системами для поиска по загруженной картинке.
Существуют и другие
подходы, поясняющие, как компьютер
«видит» предметы.
Так, для распознавания изображений
всё чаще применяются нейронные сети.
Они позволяют выводить важные для классификации
признаки изображения непосредственно в
процессе обучения.
Свои методы работы с изображением используются
и в узких, специфических областях — например, при
чтении штрихкодов.
Результаты опроса.
По результатам опроса мы видим,
что компьютерное зрение достаточно популярно и имеет все шансы превзойти
человеческое в ближайшие десять лет.
Уже сейчас роботы видят сквозь стены и на километры вперед.
Остается надеяться, что люди сумеют направить
мощь технического зрения в верное русло, а не
станут в спешном порядке конструировать терминаторов .