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")
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