Objektintunnistus

Objektintunnistus on tekoälyyn ja tietokonenäköön liittyvä ala, jonka tavoitteena on pitää esineiden tunnistaminen ja paikantaminen kuvissa tai videoissa. Se yhdistää luokittelun eli sanotun esineen luokan tunnistamisen sekä paikantamisen eli rajauslaatikon tai massiivisemman segmentoinnin, jolla esineen sijainti ja koko voidaan määrittää kuvan sisällä. Datanäyttöön kuuluu yleensä kuva-aineisto, jossa esineet on merkitty koordinaatteilla tai segmentointikuvioilla, ja mallien koulutuksesta saatua osaamista sovelletaan uuteen dataan.

Historian ja tekniikan kehitys on siirtynyt perinteisistä piirteisiin perustuvista menetelmistä syväoppimiseen. Alkuvaiheissa käytettiin kiinteitä piirteitä kuten SIFT tai SURF sekä klassisia koneoppimisen algoritmeja, mutta nykyisin suurin osa suorituskyvystä saavutetaan konvoluutioneuroverkkojen avulla. Keskeisiä kehityspolkuja ovat aluepohjaiset mallit kuten R-CNN, Fast R-CNN ja Faster R-CNN sekä reaaliaikaiset lähestymistavat kuten YOLO, SSD ja RetinaNet. Näillä malleilla voidaan sekä luokitella kuvan esineitä että paikantaa ne tarkasti kuvassa.

Sovellukset ovat monipuolisia: autonomiset ajoneuvot, valvonta- ja turvallisuusratkaisut, robotiikka, teollinen laadunvalvonta sekä lääketieteellinen kuvantaminen. Objektintunnistusta arvioidaan useimmiten mittareilla kuten mAP ja IoU-pohjaisilla lähestymistavoilla COCO- tai Pascal VOC -tietokokonaisuuksilla.

Koulutuksessa korostuvat laaja ja laadukas data, annotointi, siirto-oppiminen sekä tietojen augmentointi. Haasteita ovat occlusion eli esineiden osittainen peittyminen, pienet esineet, valaistus- ja taustanvaihtelut sekä rajallisen yleistymiskyvyn tarve ja datasetin mahdollinen vinouma. Objektintunnistus kehittyy jatkuvasti sekä suorituskyvyssä että sovelluskohteiden laajuudessa.