Objekti tuvastamine

Objekti tuvastamine on arvutinägemise ja digitaalse pilditöötlusega seotud arvutitehnoloogia, mis tegeleb piltidel ja videotel objektide tuvastamisega.

See artikkelvajab toimetamist. (Detsember 2018)

Objekti tuvastamise raames treenitakse arvuteid märgendama kindlaid objekte iseseisvalt. Tehnoloogiat kasutatakse väga paljudes valdkondades, näiteks inimnägude tuvastamises, videovalvesüsteemides, tööstusdefektide markeerimises, iseliikuvate robotite juhtimises, vähkkasvajate tuvastamises, videomängude loomises ning väikeste detailide märgendamises (näiteks jalgpalli palli asukoht teleülekandes). Arvuteid treenitakse objekte tuvastama kasutades väga suurt hulka sarnaseid pilte või videoid ning tulemuse täpsus on seotud treenimisprotsessi jaoks antud andmemahuga.[1]

. . . Objekti tuvastamine . . .

Objektide tuvastamise esialgsed ideed arenesid välja koos esimeste võimsamate arvutitega. 1981. aastal leiutati Stanfordi ülikoolis tehnoloogia ruumiliste kujundite tuvastamiseks.[2]1987. aastal töötas Irving Biederman välja RBC teooria geoonmudelite tuvastamiseks.[3]1991. aastal hakati Massachusettsi Tehnoloogiainstituudis treenima näotuvastust, üritades eri valemitega tuvastada inimese näo juures kindlaid iseärasusi ja mustreid.[4] Samal aastal töötati Chicago Ülikooli ja Rochesteri Ülikooli arvutiteaduste instituudis välja süsteeme värvide tuvastamiseks piltidel.[5]1998. aastal töötati välja MNIST-i andmebaas, mis suutis tuvastada käsitsi kirjutatud numbrimärke 88% täpsusega.[6]

Eri süsteemide ja tehnoloogiate koostööl arenes objekti tuvastamine aina kiiremini ning uute meetodite väljatöötamisega kiirenes arvutite treenimise protsess märgatavalt. Ühe pildi tuvastuse kiirus tõusis 21. sajandi esimesel aastakümnel minutitelt sekunditele ning hiljem millisekunditele, võimaldades reaalajas märgendamist.[1]2012. aastaks oli MNIST-i andmebaasi täiustatud 99,77% täpsuseni.[6] Arvestades objektituvastusega seotud ülesannetega, näiteks vähkkasvajate varajane märkamine ja iseliikuvad robotid, ei ole paljudes valdkondades vead aktsepteeritavad. Sellega seoses on järjest töötatud välja uusi meetodeid, et treeninguprotsessi parandada.[7]

Objekti tuvastamise meetodid jagunevad enamjaolt kahte gruppi: masinõppepõhised ja süvaõppepõhised meetodid. Masinõppepõhised meetodid vajavad üldiselt kindlalt defineeritud parameetreid, mille järgi klassifitseeritakse objekte tuvastamise jaoks. Süvaõppe puhul on treenimisprotsessi jaoks tavaliselt tehisnärvivõrk, mis kujutab teadmisi mustritena. Mõlema meetodi puhul on kasutusele võetud mitmesuguseid lahendusi.

. . . Objekti tuvastamine . . .

This article is issued from web site Wikipedia. The original article may be a bit shortened or modified. Some links may have been modified. The text is licensed under “Creative Commons – Attribution – Sharealike” [1] and some of the text can also be licensed under the terms of the “GNU Free Documentation License” [2]. Additional terms may apply for the media files. By using this site, you agree to our Legal pages . Web links: [1] [2]

. . . Objekti tuvastamine . . .

Previous post Reinar Hallik
Next post Hiiumaa vald