Introducing 

Prezi AI.

Your new presentation assistant.

Refine, enhance, and tailor your content, source relevant images, and edit visuals quicker than ever before.

Loading…
Transcript

Что такое "компьютерное зрение"?

Компьютерное зрение

"Компьютерное зрение"

Это набор методов, позволяющих обучить машину извлекать информацию из изображения или видео.

Из истории

Когда зародилось

компьютерное зрение?

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.

Основные задачи:

Задачи

  • Распознавание - это определение содержат ли видеоданные некоторый характерный объект, особенность или активность.

  • Движение - оценка скорости каждой точки изображения и слежение, то есть следование за перемещениями объекта (например, машин или людей).

  • Восстановление изображений - удаление шума (шум датчика, размытость движущегося объекта и т. д.). Наиболее простым подходом к решению этой задачи являются различные типы фильтров, таких как фильтры нижних

или средних частот.

Основные функции:

  • Получение изображений
  • Предварительная обработка

(удаление шума, улучшение контрастности).

  • Выделение деталей
  • Детектирование/Сегментация

(принимается решение о том, какие точки или участки изображения являются

важными для дальнейшей обработки).

  • Высокоуровневая обработка

(обычно представляют небольшой набор данных в котором предположительно находится определённый объект).

Функции

Применение

Системы видеонаблюдения

Системы дополненной реальности и смартфоны

Беспилотные автомобили

Вычислительная фотография

Сканер

В медицине

Компьютеры справляются со многими задачами гораздо лучше, чем человек.

Однако такое, казалось бы, несложное задание, как найти на картинке дом или гору, может поставить машину в тупик.

Разница между зрением человека и компьютера .

Почему так происходит?

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.

Чтобы компьютер находил на изображениях определенные объекты, его необходимо научить.

Как научить компьютер?

Обучение компьютера

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.

Анализ изображения.

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.

1 этап

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.

После того как значимые места найдены, компьютер описывает их в числах.

Запись фрагмента картинки в числовом виде называется дескриптором.

С помощью дескрипторов можно достаточно точно сравнивать фрагменты изображения без использования самих фрагментов.

2 этап

3 этап

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.

4 этап

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.

Вывод

Результаты опроса.

Опрос.

Вопрос 1

Знаете ли вы, что такое компьютерное зрение?

Вопрос 2

Как вы считаете, полезны ли устройства компьютерного зрения?

Вопрос 3

Вы пользуетесь устройствами компьютерного зрения?

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.

Вывод!

Остается надеяться, что люди сумеют направить

мощь технического зрения в верное русло, а не

станут в спешном порядке конструировать терминаторов .

Learn more about creating dynamic, engaging presentations with Prezi