Τι είναι η Υπολογιστική Όραση;

Τι είναι η Υπολογιστική Όραση;

Οι αλγόριθμοι υπολογιστικής όρασης είναι ένα από τα πιο μεταμορφωτικά και ισχυρά συστήματα AI στον κόσμο, αυτή τη στιγμή. Τα συστήματα υπολογιστικής όρασης χρησιμοποιούνται σε αυτονομούς οχήματα, πλοήγηση ρομπότ, συστήματα αναγνώρισης προσώπου και άλλα. Ωστόσο, τι είναι ακριβώς οι αλγόριθμοι υπολογιστικής όρασης; Πώς λειτουργούν; Για να απαντήσουμε σε αυτά τα ερωτήματα, θα εμβαθύνουμε στη θεωρία πίσω από την υπολογιστική όραση, τους αλγόριθμους υπολογιστικής όρασης και τις εφαρμογές των συστημάτων υπολογιστικής όρασης.

Πώς Λειτουργούν τα Συστήματα Υπολογιστικής Όρασης;

Για να εκτιμήσουμε πλήρως πώς λειτουργούν τα συστήματα υπολογιστικής όρασης, ας σταθούμε για μια στιγμή να συζητήσουμε πώς οι άνθρωποι αναγνωρίζουν αντικείμενα. Η καλύτερη εξήγηση που έχει η νευροψυχολογία για το πώς αναγνωρίζουμε αντικείμενα είναι ένα μοντέλο που περιγράφει την αρχική φάση της αναγνώρισης αντικειμένων ως μια φάση όπου τα βασικά στοιχεία των αντικειμένων, όπως η μορφή, το χρώμα και το βάθος, ερμηνεύονται από τον εγκέφαλο πρώτα. Οι σήματα από το μάτι που εισέρχονται στον εγκέφαλο αναλύονται για να εξαγάγουν τις άκρες του αντικειμένου πρώτα και αυτές οι άκρες ενώνονται σε μια πιο σύνθετη αναπαράσταση που ολοκληρώνει τη μορφή του αντικειμένου.

Τα συστήματα υπολογιστικής όρασης λειτουργούν πολύ παρόμοια με το ανθρώπινο οπτικό σύστημα, αναγνωρίζοντας πρώτα τις άκρες του αντικειμένου και στη συνέχεια ενώνοντας αυτές τις άκρες στη μορφή του αντικειμένου. Η μεγάλη διαφορά είναι ότι επειδή οι υπολογιστές ερμηνεύουν τις εικόνες ως αριθμούς, ένα σύστημα υπολογιστικής όρασης χρειάζεται κάποιο τρόπο να ερμηνεύσει τους μεμονωμένους εικονοστοιχεία που αποτελούν την εικόνα. Το σύστημα υπολογιστικής όρασης θα ανατεθεί τιμές στα εικονοστοιχεία της εικόνας και εξετάζοντας τη διαφορά στις τιμές μεταξύ μιας περιοχής εικονοστοιχείων και μιας άλλης περιοχής εικονοστοιχείων, ο υπολογιστής μπορεί να αναγνωρίσει τις άκρες. Για παράδειγμα, αν η εικόνα είναι σε κλίμακα του γκρι, τότε οι τιμές θα κυμαίνονται από το μαύρο (που αντιπροσωπεύεται από το 0) στο λευκό (που αντιπροσωπεύεται από το 255). Μια απότομη αλλαγή στη σειρά των τιμών των εικονοστοιχείων κοντά στο ένα στο άλλο θα υποδηλώνει μια άκρη.

Αυτή η βασική αρχή της σύγκρισης των τιμών των εικονοστοιχείων μπορεί επίσης να γίνει με έγχρωμες εικόνες, με τον υπολογιστή να συγκρίνει τις διαφορές μεταξύ των διαφορετικών καναλιών RGB. Τώρα που γνωρίζουμε πώς ένα σύστημα υπολογιστικής όρασης εξετάζει τις τιμές των εικονοστοιχείων για να ερμηνεύσει μια εικόνα, ας εξετάσουμε την αρχιτεκτονική ενός συστήματος υπολογιστικής όρασης.

Συνελικτικά Νευρωνικά Δίκτυα (CNNs)

Ο основικός τύπος AI που χρησιμοποιείται σε εργασίες υπολογιστικής όρασης είναι ένας τύπος βασισμένος σε συνελικτικά νευρωνικά δίκτυα. Τι είναι ακριβώς μια συνέλιξη;

Οι συνελίξεις είναι μαθηματικές διαδικασίες που το δίκτυο χρησιμοποιεί για να καθορίσει τη διαφορά στις τιμές μεταξύ εικονοστοιχείων. Αν φανταστείτε ένα πλέγμα τιμών εικονοστοιχείων, φανταστείτε ένα μικρότερο πλέγμα να κινείται πάνω στο κύριο πλέγμα. Οι τιμές κάτω από το δεύτερο πλέγμα εξετάζονται από το δίκτυο, οπότε το δίκτυο εξετάζει μόνο quelques εικονοστοιχεία κάθε φορά. Αυτή η τεχνική ονομάζεται συχνά “τεχνική του σλιδερικού παραθύρου”. Οι τιμές που εξετάζονται από το σλιδερικό παράθυρο συνοψίζονται από το δίκτυο, το οποίο βοηθά στη μείωση της πολυπλοκότητας της εικόνας και κάνει ευκολότερη για το δίκτυο να εξάγει μοτίβα.

Τα συνελικτικά νευρωνικά δίκτυα διαιρούνται σε δύο διαφορετικά τμήματα, το συνελικτικό τμήμα και το πλήρως συνδεδεμένο τμήμα. Τα συνελικτικά στρώματα του δικτύου είναι οι εξαγωγείς χαρακτηριστικών, των οποίων ο ρόλος είναι να αναλύσουν τα εικονοστοιχεία внутри της εικόνας και να σχηματίσουν αναπαραστάσεις τους που τα πλήρως συνδεδεμένα στρώματα του νευρωνικού δικτύου μπορούν να μάθουν μοτίβα από αυτά. Τα συνελικτικά στρώματα αρχίζουν εξετάζοντας απλώς τα εικονοστοιχεία και εξάγοντας τα χαμηλού επιπέδου χαρακτηριστικά της εικόνας όπως οι άκρες. Αργότερα συνελικτικά στρώματα ενώνουν τις άκρες σε πιο σύνθετες μορφές. Μέχρι το τέλος, το δίκτυο θα έχει μια αναπαράσταση των άκρων και των λεπτομερειών της εικόνας που μπορεί να μεταφέρει στα πλήρως συνδεδεμένα στρώματα.

Σημείωση Εικόνας

Ενώ ένα συνελικτικό νευρωνικό δίκτυο μπορεί να εξάγει μοτίβα από εικόνες από μόνο του, η ακρίβεια του συστήματος υπολογιστικής όρασης μπορεί να βελτιωθεί σημαντικά με τη σημείωση εικόνας. Η σημείωση εικόνας είναι η διαδικασία προσθήκης μεταδεδομένων στην εικόνα που βοηθά τον ταξινομητή να αναγνωρίσει σημαντικά αντικείμενα στην εικόνα. Η χρήση σημείωσης εικόνας είναι σημαντική κάθε φορά που τα συστήματα υπολογιστικής όρασης χρειάζονται να είναι πολύ ακριβή, όπως όταν ελέγχουν ένα αυτονομικό όχημα ή ρομπότ.

Υπάρχουν διάφοροι τρόποι με τους οποίους οι εικόνες μπορούν να σημειωθούν για να βελτιωθεί η απόδοση του ταξινομητή υπολογιστικής όρασης. Η σημείωση εικόνας γίνεται συχνά με οριοθετημένα κουτιά, ένα κουτί που περιβάλλει τις άκρες του στόχου αντικειμένου και λέει στον υπολογιστή να εστιάσει την προσοχή του μέσα στο κουτί. Η σεμαντική διαίρεση είναι ένας άλλος τύπος σημείωσης εικόνας, ο οποίος λειτουργεί με την ανάθεση μιας κλάσης εικόνας σε κάθε εικονοστοιχείο της εικόνας. Με άλλα λόγια, κάθε εικονοστοιχείο που θα μπορούσε να θεωρηθεί “χόρτο” ή “δέντρα” θα επισημανθεί ως ανήκον στην κλάση. Η τεχνική παρέχει ακρίβεια σε επίπεδο εικονοστοιχείου, αλλά η δημιουργία σημειώσεων σεμαντικής διαίρεσης είναι πιο σύνθετη και χρονοβόρα από τη δημιουργία απλών οριοθετημένων κουτιών. Άλλοι μέθοδοι σημείωσης, όπως γραμμές και σημεία, υπάρχουν επίσης.