Počítačové vidění | AI slovník

Odborná definice

Computer vision je oblast AI a zpracování signálu, která získává strukturované informace z obrazů, videa nebo priestorových senzorů. Zahrnuje klasifikaci, detekci objektů, segmentaci, sledování, odhad hloubky, OCR a generování vizuálnych reprezentací. Systém pozostáva z akvizíce dat, anotací, modelu, postprocessingu a rozhodovací logiky. Výkon závisí na osvetlení, kamery, perspektívy, domény a provozních podmínek. Přesnost na benchmarku nepreukazuje spolehlivost v konkrétním fyzickom prostředí.

Srozumitelné vysvětlení

Model může na výrobní linke označit prasklinu, spočítat vozidlá nebo prečítat číslo kontajnera. Nejprve však kamera vytvoří obraz s určitým rozlíšením, uhlom, svetlom a oneskorením. Pokud se změní šošovka nebo se na kryte objeví prach, model dostane jiné data, ačkoli softvér zostal stejný. Počítačové vidění proto není pouze neuronová síť. Potřebuje návrh senzorů, pravidla anotace, testy hraničných podmínek a bezpečný postup, když objekt není viditelný nebo je predikce neistá.

Časté otázky

Jaký je rozdíl mezi detekcí a segmentací?

Detekce obvykle vrátí ohraničujúci obdlžnik a třídu objektu. Segmentace přiřadí třídu jednotlivým pixelom nebo vytvoří masku každé inštance. Segmentace poskytuje přesnější tvar, ale vyžaduje náročnější anotace a výpočet.

Co znamená OCR v počítačovom videní?

Optical character recognition převádí obraz textu na strojovo čitatelné znaky. Moderná pipeline může nejprve najít textové oblasti, potom rozpoznat sekvenci a nakoniec uplatnit jazykovou nebo dokumentovou logiku. Výsledek je třeba viazat na původní pozici.

Proč model selže při jiném osvetlení?

Tréninková data mohli pokrýt pouze úzký rozsah jasu, tieňů a farieb. Senzorová změna posune distribuci pixelů a příznaků. Pomáhá realistická augmentace, sběr z cílového prostředí, kalibrace kamery a monitoring kvality vstupu.

Jak se hodnotí detektor objektů?

Používá se intersection over union na porovnání boxů a metriky precision, recall nebo mean average precision při určených Iou prahoch. Provoz může vyžadovat i latenci, chybovost malých objektů a výkon v noci či daždi.

Jaké jsou rizika při analýze osůb?

Biometrické, súkromné a diskriminačné dopady mohou být vysoké. Systém potřebuje právní základ, minimalizaci obrazu, obmedzenou retenci, kontrolu přístupu a testování skupin. Technická schopnost identifikovat tvár neznamená, že také použití je prípustné.

Související pojmy

Zdroje a redakční stopa

LeCun, Bottou, Bengio a Haffner, Gradient-Based Learning Applied to Document Recognition
NIST AI Risk Management Framework

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.