Машинний зір

Здатність людини бачити у темряві

Технологія, що дозволяє машинам сприймати і аналізувати візуальну інформацію

Процес навчання комп'ютера

Спосіб передачі даних на великі відстані

 Комп'ютерне бачення

Глибинне навчання

 Обробка природної мови

Ідентифікація об'єктів

Виявлення, розпізнавання та ідентифікація об’єктів.

Аналіз оптичного потоку.

Оцінка руху об’єктів.

Обробка аудіоданих.

Розпізнавання тексту

Фізичні процеси без візуального сприйняття

Абстрактні математичні розрахунки

Обробка природної мови

 Аналіз візуальних характеристик зображення (колір, форма, текстура).

 Аналіз текстової інформації, пов'язаної з зображенням (метадані, опис)

 Порівняння зображень з великою базою даних за допомогою нейронних мереж.

Використання географічних координат, пов'язаних з зображенням.

Вони могли знаходити лише ідентичні зображення.

 Вони були дуже повільними.

 Вони не могли аналізувати кольори зображень.

Вони не могли аналізувати текстову інформацію.

Тому що межі об'єктів важко визначити алгоритмічно.

 Тому що інформація про межі не завжди повністю характеризує зміст зображення.

Тому що цей метод дуже повільний.

Тому що цей метод не працює для зображень з низькою роздільною здатністю.

Згорткові нейронні мережі (CNN)

Рекурентні нейронні мережі (RNN)

Автокодувальники

Методи обробки зображень (фільтрація, сегментація)

Техніки підсилення навчання

Збільшення розміру зображення

Зменшення розміру зображення

Видалення детекцій з найнижчою впевненістю

Зміна архітектури нейронної мережі

Детекція визначає тип об'єкта, а сегментація визначає його точні межі.

 Детекція використовує згорткові нейронні мережі, а сегментація - рекурентні.

 Детекція працює з кольоровими зображеннями, а сегментація - з чорно-білими.

Детекція вимагає більшої обчислювальної потужності.

Визначення кольору об'єктів

Виявлення форм та текстур об'єктів

Підрахунок кількості пікселів в зображенні

Створення текстового опису зображення

Порівняння кожного пікселя

Обчислення хеш-значення

Аналіз кольорової палітри

Виявлення об'єктів за допомогою нейронних мереж

 Висока обчислювальна складність

Можливість отримання однакових хешів для різних зображень

 Нездатність виявляти дрібні відмінності

Всі вищеперелічені

Словесні описи зображень, введені користувачем

Числові представлення характерних фрагментів зображення

Текстові мітки, пов'язані з зображенням

Класифікатори, які розпізнають об'єкти на зображенні

Збільшення розміру дескрипторів

Зменшення обсягу даних для обробки

 Підвищення точності порівняння

Виявлення нових об'єктів на зображенні