Som en selvstændig disciplin computer vision opstod i begyndelsen af 50-erne i sidste århundrede. I 1951 John von Neumann, der foreslås til at analysere microsemi hjælp computere ved at sammenligne lysstyrken af tilstødende dele af billedet. I 60-erne begyndte forskning inden for mønstergenkendelse, maskine og håndskrift. Så de gjorde det første forsøg på modellering af neurale netværk. Den første enhed er i stand til at genkende bogstaver, var udviklingen af Frank Rosenblatt, perceptron. Og i 70’erne begyndte forskerne at studere menneskets visuelle system, med det formål formalisering og gennemførelse i de algoritmer. Denne fremgangsmåde havde til formål at give anerkendelse af objekter i billeder. Hvordan moderne computer vision om det i nyhederne i dag.
Således, computer vision er et sæt af metoder til at uddanne en maskine til at udtrække information fra billede eller video. Til computer og fundet billeder af visse genstande, der er nødvendig for at undervise. Dette er en stor uddannelse, prøve, for eksempel, fra de billeder, hvoraf nogle indeholder det ønskede objekt, og på den anden side — tværtimod, ikke indeholder. Så kommer det i machine learning. Computeren analyserer billedet fra den prøve, der bestemmer, hvilke tegn og deres kombinationer indikere tilstedeværelsen af objekter, og beregner deres betydning.
Efter træning, computer vision kan anvendes i sagen. For en computer, et billede, er et sæt af pixels, som hver har sine egne lysstyrke eller farve. Maskinen var i stand til at få en idé om indholdet af et billede, det er behandlet ved hjælp af specielle algoritmer. For det første at identificere potentielt betydningsfulde steder. Dette kan gøres på flere måder. For eksempel, var den oprindelige billede flere gange er udsat til Gaussian blur, ved hjælp af en forskellige blur radius. Resultaterne er derefter sammenlignet med hinanden. Dette giver dig mulighed for at identificere de mest kontrasterende fragmenter af de lyse pletter og brækkede linier.
Efter betydelige steder fundet, computeren, beskriver dem i antal. Optagelse af et fragment af billedet i numerisk form kaldes en deskriptor. Ved hjælp af de beskrivelser, vi præcist kan sammenligne billedet fragmenter uden brug af fragmenter sig selv. For at fremskynde beregning, computeren udfører clustering eller distribution af deskriptorer i grupper. I samme klynge få lignende deskriptorer fra forskellige billeder. Efter clustering bliver vigtigt, det er kun antallet af klynge deskriptorer, det mest ligner dette. Overgangen fra grebet til klyngen nummer kaldes kvantisering, og klyngen antal — kvantiseret deskriptor. Kvantisering stort set reducerer mængden af data, der skal behandles computer.
Baseret på den kvantiserede deskriptorer, computeren kan sammenligne billeder og til at genkende objekter. Han sammenligner det sæt af kvantiseret deskriptorer fra forskellige billeder og gør det til en konklusion om, hvordan de eller deres individuelle fragmenter, der er ens. Denne sammenligning er også anvendes af søgemaskiner til at søge efter et billede, du uploader.
Hvordan virker det? | Computer vision
Hej-News.ru