Phone icon Связаться с нами

ИИ и машинное обучение

Что такое компьютерное зрение?

Компьютерное зрение (computer vision) — это область искусственного интеллекта, которая учит компьютеры «видеть»: получать полезную информацию из изображений и видео. Для компьютера картинка — это таблица чисел-пикселей, и задача состоит в том, чтобы найти в ней смысл.

Основные задачи: классификация изображений (что на фото), детекция объектов (где именно расположены предметы), сегментация (точные контуры каждого объекта), распознавание лиц, распознавание текста (OCR), отслеживание объектов в видео, оценка позы человека.

Современное компьютерное зрение основано на глубоком обучении: свёрточных нейронных сетях и трансформерах для изображений. Мультимодальные модели объединяют зрение и язык — они могут описать фото словами, ответить на вопрос о скриншоте или прочитать таблицу из документа.

Где применяется

Компьютерное зрение используют в беспилотных автомобилях и системах помощи водителю, медицине для анализа рентгеновских снимков и МРТ, на производстве для контроля качества, в ритейле для учёта товаров, в системах безопасности, сканерах документов и мобильных приложениях с фильтрами и поиском по фото.

Популярные инструменты: библиотека OpenCV для обработки изображений, PyTorch и TensorFlow для обучения моделей, YOLO для быстрой детекции объектов, а также API мультимодальных моделей для понимания изображений.

Пример

Поиск объектов на фото готовой моделью YOLO.

from ultralytics import YOLO

model = YOLO("yolov8n.pt")                # pre-trained detection model
results = model("classroom.jpg")

for box in results[0].boxes:
    name = model.names[int(box.cls)]
    print(name, round(float(box.conf), 2))  # person 0.94, laptop 0.88 ...

results[0].save("classroom_detected.jpg")
Детекция объектов и сохранение результата с рамками.

Частые вопросы

Чем детекция отличается от классификации?

Классификация отвечает, что изображено на фото в целом. Детекция находит каждый объект отдельно и показывает его расположение рамкой.

Нужно ли много данных для собственной модели?

Для обучения с нуля — да, тысячи примеров. Но обычно берут уже обученную модель и дообучают её на нескольких сотнях собственных изображений — это называют переносом обучения.

Что такое OCR?

Optical Character Recognition — распознавание текста на изображениях и сканах. Его используют для оцифровки документов, чтения чеков, номерных знаков и перевода текста с фото.

Обучение программированию в OWU

Освойте профессию в IT на практических курсах с менторами и реальными проектами.

Выбрать курс