Penampilan ing komputer modern. Tugas lan teknologi penampilan ing komputer. Programming Vision Komputer Python

Carane mulang komputer kanggo ngerti apa dipungambaraken ing gambar utawa gambar? Iki jek prasaja, nanging kanggo komputer iki mung matrik dumadi saka zeros lan gedhe-gedhe saka sing arep kanggo extract informasi penting.

Apa penampilan ing komputer? Iku kemampuan kanggo "ndeleng" komputer

Vision - iki minangka sumber wigati saka informasi kanggo wong nggunakake, kita diwenehi warna prakiraan, saka 70 kanggo 90% saka kabeh informasi. Lan, mesthi, yen kita pengin nggawe mobil pinter, kita kudu ngleksanakake skills lan komputer padha.

Masalah saka penampilan ing komputer bisa nyatakake cukup cetha. Apa "ndeleng"? Punika mangertos sing ngendi ana mung dening looking. Sing rampung beda saka penampilan ing komputer lan sesanti manungsa. Vision kanggo kita - iku sumber kawruh babagan donya, uga minangka sumber informasi meter - sing, kemampuan kanggo ngerti jarak lan ukuran.

gambar kernel Semantic

Nggolek ing gambar, kita bisa njlèntrèhaké kanthi sawetara kawicaksanan, supaya nganggo, kanggo extract informasi semantik.

Contone, looking ing gambar iki, kita bisa wong iku njobo. Apa lalu lintas kutha. Sing ana mobil. kita bisa guess sing iki South-East Asia ing konfigurasi saka bangunan lan kalsium. Ngadeg saka Mao Zedong ngerti sing iki Beijing, lan yen sapa weruh video utawa awake wis ana, guess sing iki Tiananmen Square misuwur.

Apa kita bisa ngomong liyane babagan gambar, ningali iku? Kita bisa ngenali obyek ing gambar, ngomong, yen ana wong kene nyedhaki - pager. Kene umbrellas, posters sing bangunan kang. Iki conto kelas iku obyek penting banget, kang melu ing panelusuran kanggo wayahe.

Isih kita bisa mangerteni sawetara fitur utawa kawicaksanan saka obyek. Contone, kene kita bisa nemtokake sing iki ora ngadeg saka Cina biasa, yaiku, Mao Zedong.

Miturut kendaraan bisa ditemtokake iku barang obah, lan iku hard, sing ora deformed sak gerakan. About panji bisa ngandika sing obyek, padha uga obah, nanging padha ora hard, saya deformed. Lan ing pemandangan ana angin, kang bisa ditemtokake dening ngembangaken panji, lan malah bisa nemtokake arah mata angin, contone, iku wis ndamu saka kiwa menyang tengen.

Jarak lan tebih ing penampilan ing komputer

Penting banget informasi meter babagan ilmu penampilan ing komputer. Iki kabeh jinis jarak. Contone, kanggo rover iku utamané penting amarga tim saka bumi bab 20 menit lan njawab minangka akeh. Patut, link ana lan bali - 40 menit. Lan yen kita nggawe rencana kanggo printah gerakan saka bumi, sampeyan kudu nggawa menyang akun.

Kasil Integrasi teknologi saka penampilan ing komputer ing video game. Miturut video, sampeyan bisa mbangun model telu dimensi saka obyek, wong, lan foto ing pangguna bisa mulihake telung dimensi model saka kutha. Lan banjur lumaku ing wong.

penampilan ing komputer - sawetara rodo sudhut. Punika intertwined rapet karo macem-macem ilmu liyane. Part of penampilan ing komputer Iku nangkep area Prosès lan kadhangkala allocates penampilan ing komputer, historis.

Analysis, pangenalan pola - path kanggo penciptaan Intelligence unggul

Ayo padha nliti konsep dhewe.

Image Processing - iki minangka wilayah saka kalkulus, kang input lan output - gambar, lan kita kudu wong apa soko.

analisis image - iku area penampilan ing komputer, kang fokus ing nggarap gambar rong dimensi lan nggawe Serat saka iki.

Pola Pengakuan - lan disiplin matématika abstrak sing ngenali data ing wangun garis vektor. Sing, ing ngleboke - vektor lan kita duwe soko apa karo. Where vektor punika, kita ora dadi penting kanggo ngerti.

penampilan ing komputer - iku yaiku kanggo mulihake struktur gambar rong dimensi. Dina iki wilayah iki wis dadi amba lan bisa ditafsiraké dadi pamukiman kabeh obyek fisik nggawe, adhedhasar gambar. Kang, iku tugas saka Intelligence Ponggawa.

Ing podo karo karo penampilan ing komputer ing lapangan temen beda, ing Geodesi, Photogrammetry wis ngalami évolusi - pangukuran jarak antarane obyek ing gambar rong dimensi.

Robot bisa "weruh"

Lan pungkasanipun - iki penampilan. Ing penampilan tegese sesanti robot. Sing kaputusan saka sawetara masalah produksi. Kita bisa ngomong sing sesanti komputer - salah siji ilmu amba. Nggabungke sawetara saka sisih ilmu liyane. Lan nalika sesanti komputer nemu aplikasi tartamtu, dadi menyang penampilan.

wilayah penampilan ing komputer duweni massa aplikasi praktis. Punika gadhah ing automation produksi. Ing BUMD efisien kanggo ngganti pegawe manual dening mesin. mesin ora kesel, ora turu, dheweke wis jadwal karya ora duwe aturan baku, dheweke iku cumadhang kanggo bisa 365 dina taun. Dadi, nggunakake karya mesin, kita bisa njaluk asil dijamin ing wektu tartamtu, lan iku cukup menarik. Kabeh tugas duwe nggunakake cetha kanggo sistem penampilan ing komputer. Lan ana apa-apa luwih saka kanggo ndeleng asil langsung ing gambar mung ing tataran pitungan.

On batesan saka donya Intelligence Ponggawa

Plus wilayah - iku hard! A bagean pinunjul saka otak tanggung jawab kanggo sesanti, lan pracaya yen yen mulang komputer kanggo "ndeleng", sing, sing kebak sesanti nggunakake komputer, iku salah siji saka dislametaké saka Intelligence Ponggawa lengkap. Yen kita bisa ngatasi masalah ing tingkat manungsa, paling kamungkinan ing wektu sing padha, kita bakal ngatasi masalah AI. Sing apik banget! Utawa ora apik banget, yen katon, "Terminator 2".

Apa sesanti - iku angel? Amarga gambar saka obyek padha bisa beda-beda nemen gumantung ing njaba faktor. Gumantung ing obyek TCTerms pengamatan katon beda-beda.

Contone, salah siji lan tokoh padha, dijupuk saka sudhut sing beda. Lan apa sing paling menarik ing tokoh uga mripat siji, loro mata lan setengah. Lan gumantung ing konteks (yen gambar iki wong ing klambi karo mata dicet), mripat bisa luwih saka loro.

komputer isih ora ngerti, nanging "sumerep"

faktor sing ndadekake angel - iku cahya. Pemandangan padha karo cahya beda katon beda-beda. ukuran obyek bisa beda-beda. Menapa malih, ing obyek saka kelas wae. Awit babagan wong sing dhuwur saka 2 meter? Apa-apa. wutah Human lan uga 2.3 m, lan 80 cm. Minangka karo jinis liyane saka obyek, Nanging, obyek saka kelas padha.

Utamané obyek urip ngalami variasi galur. Rambut wong, atlit, kéwan. Deleng ing gambar saka jaran mlaku, nemtokake apa wis kedados karo mane lan buntut mung mokal. A obyek nyalip ing gambar? Yen sampeyan push gambar komputer, malah mesin paling kuat golek kangelan kanggo menehi kaputusan tengen.

Tampilan Next - iku nyamarake a. Sawetara obyek, kéwan masquerading minangka lingkungan, lan cukup skillfully. Lan panggonan sing padha lan maringi warno. Nanging, kita waca, sanajan ora mesthi saka kadohan.

Masalah liyane - gerakan. Obyek ing gerakan unimaginable ngalami ewah-ewahan bentuk.

Akeh barang-barang sing banget global. Kene, contone, ing loro foto ngisor obyek saka "kursi".

Lan ing iki sampeyan bisa njagong. Nanging kanggo mulang mesin, kuwi yen beda iku ing wangun, werna, materi, kabeh iku obyek "kursi" - iku angel banget. Iki tantangan. Kanggo nggabungake cara saka sesanti komputer - kanggo mulang mesin mangertos, njelasno, speculate.

Integrasi saka penampilan ing komputer ing macem-macem platform

Ing massa saka penampilan ing komputer wiwit nembus liyane ing taun 2001, nalika kang digawe ing detector pasuryan pisanan. We digawe iku loro penulis: Viola, Jones. Iki pisanan cepet lan dipercaya algoritma cukup, kang tontonan daya saka cara machine learning.

Saiki penampilan ing komputer cukup aplikasi praktis anyar - pangenalan saka pasuryan manungsa.

Nanging kanggo ngenali wong ing film - ngarepke acak, kondisi cahya beda - iku mokal. Nanging kanggo ngatasi masalah, utawa salah siji sing wong beda karo cahya beda utawa ing nuduhke beda, padha kaya ing foto ing passport, sampeyan bisa nganggo jurusan dhuwure kapercayan.

syarat foto passport umumé amarga fitur saka kalkulus pangenalan pasuryan.

Contone, yen sampeyan duwe passport biometric, ing sawetara bandara modern, sampeyan bisa nggunakake sistem kontrol passport otomatis.

masalah mboten kapecahaken saka penampilan ing komputer - kemampuan kanggo ngenali teks sembarang

Mungkin wong digunakake sistem OCR. Salah satunggaling - a Reader Fine, banget populer ing sistem RuNet. Ana akeh Wangun ngendi isi ing data, padha becik mentas, informasi bisa dikenali dening sistem banget uga. Nanging karo samubarang teks ing gambar kahanan akeh Samsaya Awon. masalah iki isih mboten kapecahaken.

Games nglibatno penampilan ing komputer, capture gerakan

Kapisah area gedhe - iku nggawe model telu dimensi lan gerakan capture (kang cukup kasil dipun ginakaken ing game komputer). Program pisanan, kang migunakake sesanti komputer - sistem interaksi karo komputer nggunakake sadurunge nyeret. Nalika iku digawe iku akèh iku mbukak.

algoritma iki dirancang cukup mung, nanging kanggo ngatur iku njupuk kanggo nggawe generator gambar tiron saka wong kanggo njaluk yuta gambar. Super karo wong-wong mau kanggo milih paramèter saka algoritma, kanggo kang saiki uga dianggo.

Sing yuta gambar lan minggu wektu countable super bisa kanggo nggawe algoritma sing nganggo 12% saka kapasitas siji prosesor lan ngidini wong kanggo ndelok posisi ing wektu nyata. Iki sistem Microsoft Kinect (2010).

Search for gambar dening isi ngijini sampeyan kanggo ngunggah potret kanggo sistem, lan asil saka iku bakal menehi kabeh gambar karo isi sing padha lan digawe saka sudut sing padha.

Conto penampilan ing komputer: telu dimensi lan maps loro-dimensi sing saiki kang digawe karo. Maps kanggo mobil pandhu arah sing ajeg dianyari miturut DVR ing.

Ana database milyar potret sing diwenehi tandha. Miturut ngundhuh gambar ing database, sampeyan bisa nemtokake endi iki digawe, malah karo sawetara perspektif. Mesthi, kasedhiya yen Panggonan iku cukup populer ing siji wektu turis lan digawe sawetara foto saka wilayah wis ana.

robot sing nang endi wae

Robotics ing wektu saiki, nang endi wae, tanpa ing sembarang cara. Saiki ana kendaraan sing duwe kamera khusus sing kenal Nanging lan pratandha dalan kanggo ngirimaken printah kanggo driver (iki ing cara program komputer kanggo ndeleng, mbantu motorist ing). Lan ana kendaraan robot kanthi otomatis, nanging padha ora bisa gumantung namung ing sistem kamera video tanpa nggunakake jumlah gedhe saka informasi tambahan.

kamera Modern - iki minangka Obscura kamera analog

Ayo dadi pirembagan bab gambar digital. kamera digital Modern disusun ing asas saka kamera Obscura. Mung tinimbang bolongan liwat kang cahya lumebu Beam lan digambaraken dhateng tembok mburi kamar saka sirkuit subyek, kita duwe sistem optis khusus disebut lensa. obyek yaiku ngumpulake Beam cahya gedhe lan Ngonversi supaya kabeh sinar liwati liwat titik virtual supaya diwenehi nggambarake lan mbentuk gambar ing film utawa matrik.

kamera digital Modern (matrik) dumadi saka unsur individu - piksel. Saben piksel bisa ngukur energi cahya kang kedadean ing total piksel, lan ngetokake nomer siji output. Mulane, ing kamera digital, kita njaluk tinimbang pangukuran pesawat cahya padhang gambar, kejiret ing piksel siji - komputer lapangan tampilan. Mulane, nalika gambar kita waca ora mili garis lan lakune cetha, lan kothak squares colored ing werna - piksel.

Ngisor sampeyan ndeleng gambar digital pisanan ing donya.

Nanging ing gambar iki ora? Warna. Apa werna?

pemahaman psychological saka werna

Warna - iki apa kita waca. Ing werna saka siji lan bab sing padha kanggo manungsa lan cats bakal beda. Awit kita (manungsa) lan sistem optis kewan - sesanti iku beda. Mulane, werna - iku kualitas psychological saka kita sesanti sing occurs nalika ngisi obyek lan cahya. Lan ora fisik saka barang lan cahya. Warna - iku asil saka interaksi saka komponen cahya, lan pemandangan saka sistem visual kita.

Programming Vision Komputer Python nggunakake perpustakaan

Yen sampeyan wis mutusaké kanggo melu akeh ing sinau saka penampilan ing komputer, kudu langsung nyiapake kanggo sawetara kangelan, ilmu iki ora sing paling gampang lan kurang sawetara pitfalls. Nanging "programming Komputer Vision ing Python" ing authorship saka Jan Erik Solema - buku sing negesake kabeh basa paling prasaja. Kene sampeyan bakal njaluk kenalan karo cara saka pangenalan saka macem-macem obyek ing 3D, sinau kanggo bisa karo gambar stereo, virtual kasunyatan lan akeh aplikasi liyane penampilan ing komputer. Ing buku sing cukup conto ing Python. Nanging penjelasan sing presented, supaya nganggo, umum, supaya dadi ora kakehan banget akeh riset lan data hard. Bisa cocok kanggo mahasiswa, Pemain amatir, lan pecandu. Download buku iki lan liyane babagan penampilan ing komputer (pdf-format) bisa dadi ing jaringan.

Ing wayahe, ana perpustakaan mbukak sumber kalkulus penampilan ing komputer lan Prosès lan kalkulus angka OpenCV. Punika dipun ginakaken ing paling programming languages modern, mbukak sumber. Yen kita pirembagan babagan penampilan ing komputer, Python migunakake minangka basa pamrograman, iku uga wis support perpustakaan, ing Kajaba iku, iku saya suwe saya apik lan nduweni masyarakat gedhe.

Perusahaan "Microsoft" menehi layanan Api-bisa kanggo olahraga jaringan syaraf bisa karo gambar saka wong. Ana uga cara kanggo aplikasi penampilan ing komputer, Python migunakake minangka basa pamrograman.