Комп'ютерний зір

👁️ Що таке комп'ютерний зір

Визначення та значення

Визначення: Галузь AI, що дозволяє комп'ютерам розпізнавати та обробляти зображення та відео.

Мета: Відтворити здатність людського зору для комп'ютерів.

Складність: Зображення складаються з мільйонів пікселів, кожен з RGB значеннями. Потрібні ефективні алгоритми.

Прогрес: CNN та глибоке навчання революціонізували комп'ютерний зір.

Основні задачі

Класифікація: Визначення, що зображено на зображенні (наприклад, кішка, собака).

Детекція об'єктів: Виявлення та локалізація об'єктів (де знаходиться об'єкт?).

Сегментація: Визначення, які пікселі належать кожному об'єкту.

Обробка відео: Розпізнавання в послідовностях кадрів.

OCR: Оптичне розпізнавання тексту на зображеннях.

🏗️ CNN архітектури

Згорткові шари

Принцип: Фільтри (kernels) "ковзають" по зображенню, виявляючи ознаки (edges, shapes, patterns).

Переваги: Weight sharing (одні ваги для всієї картки ознак), інваріантність до зсувів.

Параметри: Розмір фільтра (наприклад, 3x3), stride (крок), padding.

Пулінгові шари

Max Pooling: Бере максимальне значення в області. Зменшує розмір, зберігає важливі ознаки.

Average Pooling: Бере середнє значення.

Мета: Зменшення розміру, зменшення параметрів, збільшення рецептивного поля.

Відомі архітектури

LeNet: Перша успішна CNN (1998). Розпізнавання цифр.

AlexNet: Прорив у 2012, перемога в ImageNet. Показала потужність CNN.

VGG: Глибока мережа (16-19 шарів), проста архітектура.

ResNet: Residual connections вирішують проблему vanishing gradient. До 152 шарів.

Inception: Ефективна архітектура, використовує різні розміри фільтрів одночасно.

EfficientNet: Баланс між точностю та ефективністю. Мобільні версії.

Vision Transformers: Адаптація transformers для зображень. Нова ера.

🎯 Застосування

Автономні транспортні засоби

Задачі: Детекція об'єктів (пішоходи, машини, знаки), сегментація дороги, оцінка відстані.

Технології: CNN для обробки зображень з камер, комбінація з LiDAR, радарами.

Важливість: Критично важливо для безпеки.

Медична візуалізація

Задачі: Діагностика (рентген, МРТ, КТ), виявлення пухлин, сегментація органів.

Переваги: Швидкість, точність, допомога лікарям.

Приклади: Виявлення раку молочної залози, діабетичної ретинопатії.

Розпізнавання облич

Задачі: Ідентифікація особи, верифікація, детекція облич.

Застосування: Безпека, розблокування телефонів, соціальні мережі.

Технології: FaceNet, ArcFace для embeddings, детекція облич.

Інші застосування

E-commerce: Пошук за зображенням, рекомендації.

Сільське господарство: Моніторинг культур, виявлення хвороб.

Робототехніка: Навігація, маніпуляція об'єктами.

Розваги: Фільтри AR, відео-ігри.

📚 Гайд з прикладами

Приклад 1: Класифікація зображень

Задача: Класифікувати зображення кішок та собак.

Архітектура: ResNet-50, fine-tuned на датасеті.

Результат: Точність 96% на тестовому наборі.

Приклад 2: Детекція об'єктів

Задача: Виявити людей та машини на зображенні.

Модель: YOLO (You Only Look Once) для швидкої детекції.

Результат: Швидка детекція в реальному часі.

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Dimensionality Reduction: PCA, t-SNE & UMAP і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.