1. В чем суть машинного зрения?Машинное зрение использует ИИ для имитации работы тех областей мозга человека, которые отвечают за распознавание объектов и их классификацию. Согласно заданным алгоритмам машинного зрения выявляются определенные закономерности на изображениях. К примеру, если использовать машинное зрение для анализа огромного количества фотографий автомобилей, система научится создавать шаблоны идентичности — отфильтровать машины по маркам, моделям и т. д.
Машинное зрение использует:- Технологии глубокого обучения. Подразумевают использование нейронных сетей, включающих огромное число искусственных нейронов. В рамках этой технологии применяются математические формулы для обработки разных составляющих графики.
- Сверточные нейронные сети (CNN). Создание категорий графических данных и восприятия графики в целом. Попиксельный анализ изображений, присвоение каждому пикселю конкретной метки. Затем проводится операция свертки, позволяющая спрогнозировать по заданным параметрам изученную графику.
- Рекуррентные нейронные сети (RNN). Анализируют серии графических данных для поиска связей между ними. RNN способны обрабатывать видеоданные, находить взаимосвязи между графикой.
2. Какая разница между машинной обработкой изображений и машинным зрением?Машинная обработка изображений — метод изменения графики (например сглаживания, применения фильтров, коррекции яркости/контрастности и т. д.). А машинное зрение — инструмент, не изменяющий графику, а система «осмысливания виденного». После «осмысливания» машинное зрение маркирует проанализированную графику.
В одних ситуациях применяется машинная обработка изображений с целью изменить графику для ее лучшего анализа системой машинного зрения. В других ситуациях машинное зрение идентифицирует графические элементы, а затем проводится их машинная обработка.
3. Какие задачи решает машинное зрение?5 основных задач, которые решает машинное зрение:
- Обнаружение конкретных объектов. Использование классов для выявления и сортировки изображений.
- Разделение графических данных на классы. Например, выделение на фото транспортных средств, неба, деревьев, людей.
- Сегментация. Определение объектов методом исследования пикселей и разделения изображения на области. Это упрощает поиск объектов, к примеру, по контурам/форме.
- Отслеживание конкретных объектов. Выявление в графических данных объектов конкретных категорий.