კომპიუტერული ხედვა (Computer vision) – AI-ის მიმართულება, რომელიც კომპიუტერს სურათებისა და ვიდეოს „დანახვას“ და გაგებას ასწავლის.
როგორ მუშაობს კომპიუტერული ხედვა
კომპიუტერისთვის სურათი პიქსელების რიცხვითი ცხრილია. კომპიუტერული ხედვის (computer vision) მოდელები, ხშირად კონვოლუციური ქსელები ან ვიზუალური ტრანსფორმერები, ამ რიცხვებში სწავლობენ ფორმების, კიდეების, ფერებისა და ობიექტების ამოცნობას. ძირითადი ამოცანებია სურათის კლასიფიკაცია, ობიექტების აღმოჩენა, სეგმენტაცია და სახის ამოცნობა.
მაგალითი ყოველდღიური ცხოვრებიდან
ტელეფონის კამერა სახეს პოულობს და ფოკუსს მასზე აყენებს, ფოტოების აპლიკაცია კი ფოტოებს ავტომატურად ალაგებს „ზღვა“, „ცხოველები“ ან „საჭმელი“ კატეგორიებად. ორივე კომპიუტერული ხედვაა.
რატომ არის კომპიუტერული ხედვა მნიშვნელოვანი
- მედიცინა – ეხმარება ექიმებს რენტგენისა და სხვა სამედიცინო სურათების ანალიზში.
- ტრანსპორტი – ავტონომიური მანქანები გზას, ნიშნებს და ფეხით მოსიარულეებს ასე „ხედავენ“.
- ეთიკა – სახის ამოცნობა კონფიდენციალურობის სერიოზულ კითხვებს ბადებს.
წაიკითხე: ხელოვნური ინტელექტის ტიპები – გზამკვლევი.
კომპიუტერული ხედვის ამოცანები
კომპიუტერული ხედვის ყველაზე მარტივი ამოცანაა სურათის კლასიფიკაცია: რა არის სურათზე მთლიანად. ობიექტების აღმოჩენა უფრო რთულია: სისტემამ უნდა იპოვოს ყველა ობიექტი და თითოეულის ადგილი ჩარჩოთი მონიშნოს. სეგმენტაცია კიდევ უფრო დეტალურია: თითოეული პიქსელი კონკრეტულ ობიექტს ან ფონს მიეკუთვნება.
ვიდეოში ემატება დრო: სისტემა ობიექტებს კადრიდან კადრამდე აკვირდება და მათ მოძრაობას ადევნებს თვალს. სხვა ამოცანებია სიღრმის შეფასება ერთი ფოტოდან, ადამიანის პოზის განსაზღვრა და სურათიდან სამგანზომილებიანი მოდელის აღდგენა. ეს ყველაფერი გამოიყენება სპორტის ანალიზში, თამაშებსა და გაფართოებულ რეალობაში.
კომპიუტერული ხედვის სისტემები მგრძნობიარეა განათების, კუთხისა და ხარისხის ცვლილებების მიმართ. მოდელი, რომელიც დღისით გადაღებულ ფოტოებზე ისწავლა, ღამის კადრებზე შეიძლება ცუდად მუშაობდეს. ამიტომ მნიშვნელოვანია, რომ სასწავლო მონაცემები რეალური გამოყენების პირობებს მოიცავდეს.
ბოლო წლებში გავრცელდა მოდელები, რომლებიც სურათსა და ტექსტს ერთად იგებენ. მათ შეუძლიათ ფოტოზე კითხვას უპასუხონ ან სურათი სიტყვებით აღწერონ, ამიტომ კომპიუტერული ხედვა და ენის დამუშავება სულ უფრო მჭიდროდ უკავშირდება ერთმანეთს.
დაკავშირებული ტერმინები
კონვოლუციური ნეირონული ქსელი · ოპტიკური სიმბოლოების ამოცნობა · მულტიმოდალური მოდელი · რობოტიკა · ღრმა სწავლება · AI ლექსიკონი
ხშირად დასმული კითხვები
ხედავს კომპიუტერი ისე, როგორც ადამიანი?
არა. ის რიცხვებში სტატისტიკურ კანონზომიერებებს პოულობს და შეიძლება იმ დეტალებმა შეაცდინოს, რომლებსაც ადამიანი ყურადღებას არ მიაქცევდა.
რა კავშირშია მულტიმოდალურ მოდელებთან?
მულტიმოდალური მოდელები კომპიუტერულ ხედვას ენობრივ უნარებთან აერთიანებს.
შეჯამება
კომპიუტერული ხედვა AI-ს სურათებისა და ვიდეოს გაგებას ასწავლის. ის მედიცინიდან ტრანსპორტამდე ბევრ სფეროში გამოიყენება.