Mi a számítógépes látástechnológia?
Megtudhatja, mi a számítógépes látástechnológia, hogyan működik, és mikre képes.
Számítógépes látástechnológia
A számítógépes látástechnológia az informatika olyan területe, amely képessé teszi a számítógépeket arra, hogy objektumokat és embereket azonosítsanak és értsenek meg képeken és videókban. A mesterséges intelligencia többi típusához hasonlóan a számítógépes látástechnológia célja is az, hogy elvégezzen és automatizáljon emberi képességeket tükröző feladatokat. Ebben az esetben a számítógépes látástechnológia célja, hogy az emberi látást és a látottak értelmezését replikálja.
A számítógépes látástechnológiás technológia széles körű gyakorlati alkalmazása miatt központi összetevője számos modern újításnak és megoldásnak. A számítógépes látástechnológia felhőben vagy helyileg is futtatható.
A számítógépes látástechnológia működése
A számítógépes látástechnológiát használó alkalmazások érzékelő eszközök, mesterséges intelligencia, a gépi tanulás és a mély tanulás bemeneteit használják, így replikálják az emberi látási rendszert. A számítógépes látástechnológiát használó alkalmazások rendkívüli mennyiségű vizuális adattal vagy felhőből származó képpel betanított algoritmusokkal működnek. Ezek felismerik a vizuális adatok mintáit, és a mintákkal képesek más képek tartalmát is meghatározni.
Képelemzés számítógépes látástechnológiával
- Egy érzékelő eszköz rögzít egy képet. Az érzékelő eszköz gyakran csak egy kamera, azonban lehet videokamera, orvosi képalkotó eszköz, vagy bármilyen más eszköz is, amely elemzés céljából képet készít.
- A képet megkapja egy értelmező eszköz. Az értelmező eszköz mintafelismeréssel dekonstruálja a képet, összehasonlítja annak mintáit az általa ismert minták gyűjteményével, majd meghatározza, hogy a kép tartalma egyezik-e a találtakkal. A minta lehet általános, például egy adott tárgytípus, vagy egyedi azonosítókon, például arcvonásokon is alapulhat.
- Egy felhasználó adott információra kíváncsi a képről, az értelmező eszköz pedig ezt adja meg a képelemzés alapján.
Mély tanulás és számítógépes látástechnológia
A modern számítógépes látástechnológiát használó alkalmazások a statisztikai képelemzési módszerek helyett egyre nagyobb mértékben használnak úgynevezett mély tanulást. A mély tanulással a számítógépes látástechnológiát használó alkalmazások egy neurális hálózatnak nevezett algoritmussal futnak, amellyel még pontosabb képelemzés készíthető. A mély tanulással emellett a számítógépes látástechnológiát használó programok megőrzik az összes elemzett kép adatát, így minél többet használják, annál pontosabbá válnak.
Számítógépes látási funkciók
A számítógépes látástechnológiát alkalmazó programok három fő funkcióval dolgozzák fel a képeket és adják vissza az adatokat:
A rendszer egy meghatározott kategória szerint osztályozza az egy képen látható objektumokat. Az objektumok osztályozásakor például egy számítógép képes megkülönböztetni az embereket a tárgyaktól egy fotón, és azt is meghatározhatja, hogy hány ember szerepel a képen.
A rendszer azonosít egy adott objektumot egy fotón, videóban vagy képen. A tárgyazonosítás során a rendszer például felismeri, hogy emberek láthatók a képen, sőt képes elemezni a kinézetüket és ez alapján meghatározni a személyazonosságukat vagy vonásaikat.
A rendszer egy videót elemezve feldolgozza egy mozgó objektum helyét az idő függvényében. Egy parkoló térfigyelő kamerája például képes azonosítani az autókat a parkolóban, és idő szerinti adatokat nyújtani azok helyéről és mozgásáról.
A rendszer betűket és számokat azonosít képeken, majd átalakítja őket géppel kódolt szöveggé, amelyeket elolvashatnak más számítógépes alkalmazások, valamint szerkeszthetnek felhasználók.
A számítógépes látástechnológia használata
A számítógépes látástechnológia egy rendkívül hatékony képesség, amely megannyi más alkalmazással és érzékelő eszközzel ötvözhető, hogy számos gyakorlati használati esetet tegyen lehetővé. Íme néhány példa a számítógépes látástechnológiát használó alkalmazásokra:
Tartalomrendezés
A számítógépes látástechnológiával azonosíthatók a személyek vagy tárgyak egy adott fotón, majd ez alapján rendezhetők. Az ehhez hasonló fotófelismerő alkalmazásokat gyakran használják fotógyűjtemény- és közösségimédia-alkalmazások.
Szöveg kinyerése
Az optikai karakterfelismeréssel növelhető a nagy mennyiségű szövegekben található adatok felfedezhetősége, illetve feldolgozhatóvá tehetők a dokumentumok a robotos automatizálási forgatókönyvekhez.
Kibővített valóság
A számítógépes látástechnológia valós időben észleli és követi a fizikai objektumokat. Ezzel az információval ezután realisztikusan elhelyezi a virtuális objektumokat a fizikai térben.
Mezőgazdaság
Műholdakkal, drónokkal vagy repülőkkel a termésről készített képeket elemezve figyelemmel kísérhető a szüret, észlelhető a gyomnövények szaporodása, és azonosítható a termény tápanyaghiánya.
Önvezető járművek
Az önvezető autók valós idejű objektumazonosítással és -követéssel gyűjtenek információt az autó körüli eseményekről, és ennek megfelelően tervezik meg az útvonalat.
Egészségügy
Az orvosi eszközökkel készített fotók vagy képek elemzésével az orvosok könnyebben azonosíthatják a problémákat, és gyorsabb és pontosabb diagnózist készíthetnek.
Sport
Az objektumészlelés és -követés segít a játék- és stratégiaelemzésben.
Gyártás
A számítógépes látástechnológia képes karbantartás céljából figyelni a gyártási gépezetet. Emellett ellenőrizheti a termékminőséget és a csomagolást a gyártósoron.
Térbeli elemzés
A rendszer azonosítja az egy adott térben látható embereket vagy tárgyakat (például autókat), majd követi a mozgásukat.
Arcfelismerés
A számítógépes látástechnológiával személyeket lehet azonosítani.
Az Azure számítógépes látástechnológiás megoldásainak böngészése
Fedezze fel az Azure Cognitive Servicest, AI-szolgáltatások és kognitív API-k átfogó termékcsaládját, amellyel könnyebben készíthet számítógépes látástechnológiát használó intelligens alkalmazásokat.
Ingyenes fiók
Próbálja ki az Azure felhőalapú számítás szolgáltatásait, akár 30 napig ingyenesen.
Utólagos fizetés
Kezdjen használatalapú fizetéssel. Nincs előzetes kötelezettségvállalás – bármikor lemondhatja.
Az Azure számítógépes látástechnológiájának felfedezése
A látástechnológiai képességek alkalmazásokba történő beágyazásával elősegítheti a tartalmak felfedezhetőségét, felgyorsíthatja a szövegek kinyerését és több felhasználó által használható termékeket hozhat létre.
További információ