Konenäkö

Konenäkö on tietotekniikan ala, joka tutkii ja kehittää menetelmiä, joilla tietokoneet voivat tulkita ja ymmärtää visuaalista dataa, kuten kuvia ja videoita. Tavoitteena on mahdollistaa järjestelmien automaattinen havainnointi, tunnistus ja päätöksenteko visuaalisen informaation perusteella.

Konenäön keskeisiä tehtäviä ovat kuvan luokitus (classify what is in an image), oliotteiden tunnistus ja paikallistaminen (object detection), segmentointi eli jokaisen kuvan pikselin luokittaminen (semantic/instance segmentation), liikkeen seuranta videoista sekä teksti- ja merkkien tunnistus (OCR). Reaaliaikaiset sovellukset vaativat yleensä nopeita ja optimoituja malleja sekä tehokasta datan esikäsittelyä.

Tekniikat ja mallit perustuvat pitkään koneoppimiseen ja erityisesti syväoppimiseen. Konvoluutioneuroverkot (CNN) ovat vakiinnuttaneet asemansa, ja malliluokat kuten R-CNN-tyypit, You Only Look Once (YOLO) ja RetinaNet ovat suosittuja oliotteiden löytämisessä. Viime vuosina myös transformer-pohjaiset arkkitehtuurit ovat yleistymässä, ja esikoulutetut mallit sekä siirtäminen (transfer learning) ovat tärkeitä, jotta malleja voidaan soveltaa eri tehtäviin pienemmillä datamäärillä.

Konenäön suurimmat datat ovat COCO, ImageNet ja Open Images. Arviointi perustuu mittareihin kuten tarkkuus, herkkyys, mAP ja Intersection over Union (IoU). Tehokkuus, käytettävyys reaalimaailmassa sekä eettiset ja oikeudelliset näkökohdat, kuten yksityisyys, väärinkäytön riski ja ennakkoluulojen vähentäminen, ovat keskeisiä haasteita.

Konenäköä sovelletaan muun muassa autonomisissa ajoneuvoissa, teollisessa laadunvalvonnassa, lääketieteessä, älykkäissä turvallisuus- ja robotiikkajärjestelmissä sekä monissa kuluttajatuotteissa.