Изменения

Перейти к: навигация, поиск

Компьютерное зрение

5474 байта добавлено, 01:25, 23 марта 2020
Нет описания правки
=Задачи компьютерного зрения=
Все задачи компьютерного зрения сводятся к анализу изображения или видеопотока(По сути представляющего из себя набор сменяющихся изображений), на котором требуется прежде всего выделить фрагмент, содержащий необходимую информацию. Для выделения обычно используют или прямоугольную область, которая ограничивает исходный фрагмент, или просто выделяют пиксели принадлежащие ему
==Идентификация==
Задача идентификации состоит в том, чтобы классифицировать изображение целиком. Для этого на изображении выделяются ключевые области на изображении и по ним происходит классификация, например с помощью решающих деревьев, или [[Сверточные нейронные сети |сверточных нейронных сетей]]
==Распознавание объектов==
Задача состоит в том, чтобы по изображению суметь выделить на нем некоторый набор объектов. Пока задача не решена в общем случае – алгоритм не может классифицировать случайные объекты на изображении. Однако способен распознавать заранее заученный набор объектов с достаточно высокой точностью.
[[Файл:Object_detection.jpeg|600px|thumb|centre|Источник: [https://habr.com/ru/post/463991/]]]
Самым простым методом детекции объектов является метод скользящего окна[[методом R-CNN|(Rангл. ''Regions with Convulational Neural Network'' -CNNВыделение регионов с помощью свертоных сетей)]], при котором мы проходимся некоторым окном фиксированного размера по каждому кусочку картинки, и применяем к нему простой классификатор, обученный распознавать заранее определенный набор объектов. Модификации этого метода, такие как [[Faster R-CNN | Faster R-CNN]] применяются до сих пор
==Сегментация изображенияизображений=={{main|Сегментация изображений}}Задача похожая на детекцию объектов, но в отличие от нее требуется не окружить найденные объекты рамками, а выделить пиксели, которые этот объекты объект составляют. Сегментация применяется во многих областях, например, в производстве для индикации дефектов при сборке деталей, в медицине для первичной обработки снимков, также для составления карт местности по снимкам со спутников. Самый простой алгоритм Одним из типичных способов сегментации – [[WaterShred | WaterShred]]является применение модели U-Net, представляющую из себя нексколько слоев сверточной сети, которые различаются по размеру, заключающийся и в разделении на куски функции от координат пикселейсовокопности имеют U-образную форму, начиная с минимумов этой функции что и отражено в названии.
[[Файл:Segmentation.png|600px|thumb|centre|Типичные примеры изображений, обработанных алгоритмами сегментации]]  ==Оценка положения==Задача оценки положения объекта(англ. Pose Estimation)==Задача, в некотором роде продолжающая задачу сегментации. Заключается в выделении некоторого каркаса объекта (например скелета, если речь идет о людях) и предсказании его дальнейшего определении положения этого каркаса на изображении. Этот скелет может быть использован в последствии например для предсказания направления движения. Чаще всего применяется к обработке. Положения людей на фотографии. В зависимости от количества рассматриваемых людей объектов различают ''singleодиночную оценку положения(англ. Single-person'' pose estimation) и ''multiмножественную(англ. Multi-person'' [[pose estimatiom |pose estimation]] ). Различие состоит в том, что во втором случае необходимо также учитывать, что объекты могут накладываться. Друг друг на друга. Для выполнения этой задачи сначала обрезается фон, оставляя только изображения непосредственно объектов, а затем для каждого из объектов с помощью сверточных нейронных сетей выделяются области суставов, которые затем соединяются.[[Файл: pose_Estimation.png|600px|thumb|centre|Пример применения алгоритмов pose_estimation к изображению. Источник: [https://nanonets.com/blog/human-pose-estimation-2d-guide/]]]
==Распознавание текста==
Одна из ключевых задач компьютерного зрения. Сначала с помощью алгоритмов детекции выделяется область в которой текст написан, затем производится непосредственно распознавание текста например с помощью алгоритмов сегментации. При этом задачи распознавания текста написанного на листе бумаги, и распознавания текста написанного где-то на изображении (“in the wild”), например текст на дорожном знаке, номер машины и т. д., сильно различаются, в силу наличия в последнем случае помех, которые мешают выделить конкретные буквы. В этом случае может помочь, например обучение предсказания буквы по остальным буквам в слове.[[Файл:text_recognition.png|600px|thumb|centre|Пример реальной задачи распознавания текста - Распознование номеров на дверях. Источник: [https://towardsdatascience.com/a-gentle-introduction-to-ocr-ee1469a201aa]]]
==Генерация объектов==
Задача состоит в том, чтобы по известному набору объектов научится создавать похожие объекты, но при этом не совпадающие ни с одним из тестовых. Например создавать анимационных персонажей в стилистике мультфильма, нарисовав руками только пару из них. Для этого применяют такие архитектуры как [[Generative Adversarial Nets (GAN) | GANгенеративно состязательные сети]](англ. ''Generative adversarial network''), при которой сеть делится на две, одна из которых стремится создать объект, а вторая его отбраковать, или [[Вариационный автокодировщик|вариационный автокодировщик]], обучающийся на плотностях вероятностей исходных данных с целью создать объект похожий на исходный, но не совпадающий с ним.[[Файл:GAN1.jpeg|600px|thumb|centre|Пример генерации изображения методом GAN. Источник: [https://medium.com/@jonathan_hui/gan-some-cool-applications-of-gans-4c9ecca35900]]] ==Анализ видео==Так как видео представляет из себя набор изображений, одинакового размера, обычно сделанных через разные интервалы времени, то для него применимы все те задачи, которые были описаны ранее. Также появляются такие задачи как предсказание движения, заключающееся в том, чтобы по набору кадров предсказать положение объекта в следующих кадрах, или более общая задача ситуационный осведомленности(англ. Situation Awarness), заключающаяся в том, чтобы для каждого объекта в видео уметь определить его положение и статус на всех кадрах видео =Примечания=#https://www.fritz.ai/pose-estimation/#https://habr.com/ru/post/274725/#https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e#https://ccis2k.org/iajit/PDF/vol.3,no.2/2-Nassir.pdf#https://towardsdatascience.com/unet-line-by-line-explanation-9b191c76baf5#https://towardsdatascience.com/a-gentle-introduction-to-ocr-ee1469a201aa#https://nanonets.com/blog/human-pose-estimation-2d-guide/#https://medium.com/@jonathan_hui/gan-some-cool-applications-of-gans-4c9ecca35900]#https://ru.coursera.org/lecture/deep-learning-in-computer-vision/introduction-to-video-analysis-alApg=См. Также=#[[Вариационный автокодировщик | Вариационный автокодировщик]]#[[Generative Adversarial Nets (GAN) | GAN]]#[[Сверточные нейронные сети | Сверточные нейронные сети]]#[[Сегментация изображений | Сегментация изображений]]=Ссылки=#[https://www.fritz.ai/pose-estimation/] - Статья Pose Estimation#[https://habr.com/ru/post/274725/] - Статья на Хабре, краткий обзор задач компьютерного зрения#[https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e] - Про R-CNN, Faster R-CNN и YOLO#[https://ccis2k.org/iajit/PDF/vol.3,no.2/2-Nassir.pdf] - Про Watershed#[https://towardsdatascience.com/unet-line-by-line-explanation-9b191c76baf5] - Про U-Net с примерами кода [[Категория: Машинное обучение]] [[Категория: Компьютерное зрение]]
16
правок

Навигация