Modernoak ordenagailua ikuspegia. Zereginak eta ordenagailu ikusmen teknologia. Programazioa Computer Vision Python

Nola ordenagailu bat irakasteko zer argazki edo irudiak irudikatuta ulertzeko? Badirudi erraza da, baina ordenagailu baten hau besterik matrize zero eta bertatik informazio garrantzitsua ateratzeko Nahi izanez osatua da.

Zer da ordenagailua ikuspegia? gaitasuna "ikus" Zure ordenagailua da

Vision - Pertsona informazio iturri garrantzitsua da erabiltzen, lortu dugu, hainbat kalkuluen arabera, 70 informazioarekin guztien% 90 dira. Eta, jakina, autoa smart bat sortu nahi badugu, trebetasun eta ordenagailu bera ezartzeko behar dugu.

ordenagailu ikusmen arazoa esan daiteke nahiko argi eta garbi. Zer da "ikusten"? Ulertzen da non daude besterik bilatzen. Hori ondorioztatu ordenagailu ikuspegia eta giza ikusmenaren ezberdintasunak. guretzat Vision - munduari buruzko ezagutza-iturria, baita informazio metrotan iturri bat da - hau da, gaitasuna distantziak eta tamaina ulertzeko.

Semantikoa kernel irudia

Irudi begira, hura deskribatzeko dezakegu atributu kopuru batek, nolabait esateko, informazio semantikoa erauzteko.

Adibidez, argazki hau begira, esan dezakegu aire librean dela. Zer da hiriko trafikoa. Hori daude autoak. asmatzen dezakegu hori da Asiako hego-ekialdeko eraikinaren eta hieroglyphics konfigurazioa orrian. Mao Zedong erretratua ulertzen hori Beijing, eta edonork zuzeneko bideo ikusi bada edo berak ez zuen izan, asmatzen litzateke hori Tiananmen Square ezaguna.

Zer irudi buruz gehiago esan dezakegu, ikusten? objektuak identifikatzeko dezakegu irudian, esan, ez direla lagun hemen hurbilago - hesia. Hemen aterkiak, eraikin horren kartelak. Hauek dira klaseak adibide objektuak oso garrantzitsua dira, bilaketa oraingoz arduratzen da.

Oraindik ezaugarriak edo objektuak ezaugarriak batzuk ikasi ahal izango dugu. Adibidez, hemen zehaztu ahal izango dugu hori ez dela Txinako arrunt bat, hots, Mao Zedongen erretratu bat.

ibilgailua arabera zehaztuko daitezke mugitzen objektu bat dela, eta zaila da, hori ez da mugimendu zehar deformatu. About banderak esan daiteke objektuak direla, ere mugitzen dira, baina ez dira gogorrak, etengabe deformatzen. Eta eszena han haizeak, zein banderak garatzeko zehaztu daiteke, eta are haizearen norabidea, adibidez, ezkerretik eskuinera da Herrigintza zehazteko.

distantziak eta luzerak ordenagailua ikuspegia

Oso garrantzitsua buruz ordenagailua ikusmen zientzia informazio metrotan dago. Hau distantziak mota guztietako da. Adibidez, abenturazale for bereziki garrantzitsua da taldeek Lurretik 20 minutu inguru daudelako eta erantzun bezainbeste. Ondorioz, esteka eta atzera - 40 minutu. Eta mugimendu Lurraren komandoen plan bat egin badugu, hau kontuan hartu behar duzu.

Arrakastaz integratuta ordenagailua ikusmen teknologia bideo-jokoak. video arabera, hiru dimentsioko objektuak, pertsonak modeloak eraiki dezakezu, eta erabiltzaileak argazkiak hirien eredu hiru dimentsioko berreskuratu daiteke. Eta gero haien gainean oinez.

ordenagailu vision - sorta baizik zabala. Da estuki beste hainbat zientziak nahastuz. ordenagailu ikusmen zati Irudi prozesatzeko inguruan harrapatzen ditu eta batzuetan ordenagailua ikusmen bideratzen, historikoki.

Analisi, eredua aintzatespen - goi-mailako adimen sortzea bidea

Dezagun kontzeptu horiek banaka aztertu digu.

Irudien tratamendua - irudia, eta guk zerbait egin zion - hau algoritmoak eremu bat da, eta bertan sarrera eta irteera da.

irudiaren azterketa - ordenagailu ikuspegia, bertan bi dimentsioko irudia lanean eta ondorioak egin honetatik oinarritzen eremuan dago.

Pattern Recognition - an matematiko diziplina abstraktu datuak aitortzen bektore eran. Hau da, at the sarreran - bektorea eta zerbait berarekin egin behar dugu. Non bektorea da, ez gara hain garrantzitsua den jakiteko.

Computer ikusmen - jatorriz zen bi dimentsioko irudiak egitura berreskuratzeko. Gaur inguru honetan duela zabalago bihurtu eta berau objektu fisikoak egiteko guztien onarpena gisa interpretatu daiteke, oinarritutako irudiaren gainean. Hau da, zeregin da adimen artifizialaren.

ordenagailua erabat beste eremu batean vision batera, geodesia ere, fotogrametria eboluzionatu - objektuak arteko distantzia neurketa bat bi dimentsioko irudiak orrian.

Robotak daiteke "ikusten"

Eta azkenik, - hau makina ikuspegia da. makina ikuspegi azpian robots ikuspegi bat esan nahi du. Hori ekoizpen arazo batzuk erabakia da. Esan dezakegu ordenagailu ikuspegi hori - zientzia handi bat da. Beste zientzia parte batzuk konbinatzen ditu. Eta ordenagailu ikuspena edozein aplikazio jakin lortzen denean, bihurtzen makina ikuspegi bat sartu da.

Computer ikusmen eskualdean aplikazio praktikoak masa bat dauka. Da ekoizpen automatizazioa lotutako. enpresek hartan eraginkorragoa eskulan ordezkatzeko makina bihurtu. Makina ez du lortu nekatuta, ez lo, irregular lan-egutegia izan zuen, 365 egunetan lan egiteko urte bat prest dago. Beraz, makina lana erabiliz, bermatuta emaitza bat lortzeko aukera izango dugu une jakin batean, eta oso interesgarria da. Zeregin guztiak ordenagailu ikusmen sistemak erabilera argi bat izan. Eta ez dago ezer hobeto berehala emaitzak ikusteko baino irudiaren gainean kalkulua etapa bakarra da.

Adimen artifiziala munduan atarian

Plus area - zaila da! garunaren ikusmen ardura zati handi bat, eta uste da ordenagailua "ikusi" irakatsi baduzu, hau da, beteta erabilera ordenagailu ikuspegia, adimen artifiziala osoa helburuetako bat da. dugu giza mailan arazoa konpondu ahal bada, gehienetan, aldi berean, litekeena da, AI arazoa konpondu ahal izango dugu. Hau da, oso ona! Edo ez da oso ona, erreparatuz gero, "Terminator 2".

Zergatik da ikusmen - zaila da? objektu beraren irudia alda daitekeelako asko kanpoko faktoreak arabera. behaketa puntu objektuaren arabera itxura desberdinak.

Adibidez, bat eta figura bera lortzeko, ikuspegi desberdinetatik hartu. Eta zer da gehien irudian interesgarri begi bat, bi begi eta erdi egon daitezke. Eta testuinguruaren arabera (baldin gizakiaren irudi hau begiak margotutako kamiseta bat ere), begi bi baino gehiago izan daiteke.

Ordenagailua oraindik ez du ulertzen, baina "ikusten"

Beste faktore hori egiten zaila - argiztapen da. argiztapen ezberdinekin eszena bera desberdina ikusiko. Objektu tamaina alda daiteke. Gainera, edozein klaseko objektuak. Nola gizon bat buruz esan duzu bere 2 metroko altuera duten? Nothing. Giza-hazkundea eta 2,3 m, eta 80 cm daitezke. Beste objektu motak bezala, ordea, klase bereko objektuak daude.

Bereziki bizi objektu tentsioak hainbat jasan. Ile pertsonak, kirolariak, animaliak. Begira zaldiak martxan argazkiak, zehaztu zer da bere Zurda batera gertatzen eta buztana besterik gabe, ezinezkoa da. bata bestearen gainean objektu batek irudi batean? ordenagailu-irudi bat, nahiz eta boteretsuena makina shove baduzu aurkitu zailtasun eskubidea erabakia emateko.

Hurrengo ikuspegia - mozorro bat da. Objektu batzuk, animaliak ingurunea mozorroturik, eta nahiko trebeziaz. Eta lekuak eta kolore bereko. Hala ere, ikusiko dugu, ez beti, nahiz urrundik.

Beste arazo bat - mugimendua. motion pentsaezinak objektuak jasan Deformazio.

objektuak asko oso aldakorra dira. Hemen, adibidez, "aulkia" objektu azpian bi argazki batean.

Eta hau eseri dezakezu. Baina makina bat, forma, kolore, material desberdinak gauzak hala nola, dena objektu "aulki" da irakasteko - Oso zaila da. Hau da erronka. integratzeko ordenagailua ikusmenaren metodoak - da makina bat irakastea, ulertzen, aztertu, espekulatu.

ordenagailu hainbat plataformetan ikusmen integrazioa

ordenagailu ikusmen masa hasi gehiago sartzen 2001ean, lehen aurpegi detektagailu sortu zuen. Biola, Jones: bi egileek egin ditugu. Lehenengo azkar eta fidagarria nahikoa algoritmoa, eta horrek makinen ikasketa metodoak boterea frogatu zen.

Orain ordenagailu ikusmen nahikoa aplikazio praktiko berriak - Giza aurpegia aitortzeko.

Baina gizon aitortu filmak bezala - ausazko Angelu, argiztapena, baldintza desberdinetan - ezinezkoa da. Baina arazoa, edo bat duten pertsonen desberdina da argiztapen ezberdinekin edo beste pose bat, pasaportea ere Argazkian ikusten den bezala, antzeko batean konpontzeko, posible da konfiantza-maila handiarekin.

pasaporte argazki bat eskakizun neurri handi batean aurpegia aitorpena algoritmoak ezaugarria dela eta.

Adibidez, biometrikoak pasaportea badaukazu, aireportu moderno batzuetan, automatikoa pasaportea kontrol-sistema erabili ahal izango duzu.

Honela ere ordenagailu ikusmen arazoa - edozein testu ezagutzeko gaitasuna

Agian norbaitek erabiltzen OCR sistema. Horietako bat - Arte Reader bat, oso ezaguna RuNet sistema da. forma asko non datuak bete duzu, dute primeran eskaneatu dira, informazio sistema aitortzen oso ondo daude. Baina irudian edozein testu dituzten egoera askoz okerragoa da. Arazo hori oraindik argitu gabeko.

Games ordenagailua ikusmen inplikatuz, motion capture

Banandu handi area - Hiru dimentsioko ereduak eta motion capture (den nahiko ongi ordenagailu jokoak eginda) sortzea da. Lehenengo programa, ordenagailu vision erabiltzen - interakzio-sistema bat ordenagailuan keinuak erabiliz. Noiz sortu zen gauza open asko izan zen.

Algoritmoa diseinatuta dago nahiko besterik gabe, baizik eta pertsonen irudiak sintetikoa sorgailu bat sortzeko milioi bat argazkiak lortzeko hartu konfiguratzeko. haiekin superordenagailu algoritmoa, eta horretarako, orain duela ondo funtzionatzen parametroak aukeratzeko.

Hori da milioi bat irudiak eta aste zenbakarri superordenagailu denbora ahalik prozesadore bateko edukiera% 12 pertsona baten denbora errealean jarrera hautematen kontsumitzen duten eta, horri esker algoritmo bat sortzeko. Hau Microsoft Kinect sistema (2010).

Search edukiaren arabera irudiak ahalbidetzen argazkiak igo ahal dituzu sisteman, eta horren emaitzak eduki bera argazki guztiak emango dira eta angelu berean egindako.

ordenagailu ikusmen adibideak: hiru dimentsioko eta bi dimentsioko mapetan ari da egindako. nabigazioa autoentzako Maps aldizka DVR arabera eguneratzen dira.

Ez dago geotagged argazkiak mila milioika datu base bat da. Irudian deskargatzea datu-basean By, zehaztu dezakezu non egin zen, eta nahiz eta ikuspuntu batzuk. Jakina, baldin eta leku hori popular nahikoa garai batean turistak da eta egin eremuaren argazkiak kopuru bat izan dira.

robots dira nonahi

Gaur, nonahi dauden Robotika, hori gabe inolaz ere. Orain badira kamerak bereziak oinezkoak eta bide seinaleak aitortu komandoak transmititzeko gidaria (hau modu bat programa informatiko bat ikusteko ere, motorist laguntzen) izan ibilgailuak. Eta han erabat automatizatuak robotiko ibilgailu dago, baina ezin dute fidatu bideo kamera sistemari buruzko informazio gehiago kopuru handi bat erabili gabe.

kamera Modernoak - honek kamera analogikoak obscura da

Hitz irudi digital inguru utzi. Modernoak kamera digitalak kamera ilunaren printzipioa antolatuta. zulo horren bidez, argi-sorta sartzen eta atzera gaia zirkuituko ganbera horma proiektatu beharrean soilik, sistema optiko berezi bat lentea izenekoa dugu. Bere Objektu da argi-sorta handi bat bildu eta bihurtu da, beraz, izpi guztiak puntu birtual bat pasatu ahal izateko proiekzio eskuratzeko film edo matrize irudi bat osatzen du.

Modernoak kamera digitalak (matrizea) da elementu banakako osatuta - pixel. pixel bakoitzak argi-energia hori pixel guztira on istilurik da neurtu daiteke, eta irteera kopuru bat emateko. Beraz, kamera digital batean, ordez irudiaren distira multzoa argi neurketa, pixel bakar bat harrapatu lortuko dugu - Ordenagailua ikuspegi eremuan. Beraz, irudian ikusten dugu, ez da lerro eta ingurumari argi eta plazetan koloretako sare bat kolore desberdinetan isurtzen - pixel.

Jarraian munduko lehen irudi digital ikusiko duzu.

Baina argazki hau ez da? Kolorea. Zer da kolore?

kolorearen pertzepzioa psikologikoak

Kolore - hau da, zer ikusten dugu. Bat kolorea eta gauza bera gizakietan eta katuak desberdina izango da. dugu (gizakiak) eta animalia optikoa sisteman geroztik - ikuspena desberdina da. Beraz, kolorea - gure ikuspegia kalitatea psikologikoak gertatzen denean objektuak eta argi errespetatuz da. Eta ez objektuaren eta argi Jabetza fisiko bat. Color - osagaiak argi elkarrekintza, eta gure sistema bisuala eszena baten emaitza da.

Programazioa Computer Vision Python liburutegiak erabiliz

larriki ihardun ordenagailua ikusmen azterketa erabaki bada, berehala zailtasunak zenbaki bat prestatzeko, zientzia hau ez da errazena eta pitfalls kopuru bat ezkutatzen. Baina "Programazioa Computer Vision Python on" Jan Erik Solema egiletza - hizkuntza-errazena guztiak laburbiltzen duen liburu bat. Hemen duzu 3Dn hainbat objektu aitortzeko metodoak ezagutu ahal izango da, ikasteko estereo irudia, errealitate birtuala eta beste hainbat ordenagailu ikusmenaren aplikazioekin funtzionatuko. Liburuan Python nahikoa adibide dira. Baina azalpenak aurkezten dira, nolabait esateko, orokortu, beraz, ez gehiegi, ikerketa eta datuak hard gainkarga. Lan ikasleak, amateurrak, eta zaleak egokia. Jaitsi ordenagailua vision (pdf-formatua) buruzko liburu hau eta beste batzuk sarean izan daiteke.

Momentu honetan, ez dago irekiko ordenagailua ikusmen algoritmoak eta irudiak prozesatzeko eta zenbakizko algoritmoak OpenCV liburutegia daude. Da programazio hizkuntza moderno gehienetan ezarri, iturburu irekiko da. about ordenagailua ikusmen hitz egin dugu bada, Python programazio hizkuntza gisa erabiltzen du, halaber, liburutegiaren laguntza du eta, horrez gain, etengabe eboluzionatzen da eta komunitate handia du.

Konpainiak "Microsoft" bere zerbitzuak Api-gai Neurona sarea trebatzeko funtzionatuko pertsonen irudiak ematen ditu. Gainera, badago aukera ordenagailu ikusmen aplikatzeko, Python programazio hizkuntza gisa erabiltzen du.