Objektitunnistus

Objektitunnistus on tietokonenäön tutkimusalue, joka keskittyy tunnistamaan ja paikantamaan kohteita kuvissa tai videoissa. Se kattaa sekä luokittelun, jossa jokin kuvan osa luokitellaan tiettyyn luokkaan, että kohteiden havaitsemisen ja rajauskohteiden (bounding boxes) määrittämisen. Tarkoituksena on sekä tunnistaa, mitä esineitä kuvassa on, että missä ne sijaitsevat.

Perinteiset menetelmät käyttivät piirteitä kuten SIFT, SURF tai HOG sekä koneoppimismalleja. Viime vuosina syväoppiminen on muuttanut alan perusteellisesti: konvoluutio-neuroverkot (CNN) toimivat sekä ominaisuuksien että luokittelun yhteinäisenä prosessina. Kehitys eteni R-CNN- sarjalla (R-CNN, Fast R-CNN, Faster R-CNN), sekä reaaliaikaisiin detektiojärjestelmiin kuten YOLO ja SSD, ja yleinen kehys RetinaNet. Nämä mallit oppivat suorasti alkukuvista sekä luokat että niiden sijainnit.

Koulutuksessa käytetään suuria, ihmisen merkittyjä kuvadatasetteja, kuten COCO, PASCAL VOC ja ImageNetin detektiöluokat. Suoritusmittoja ovat esimerkiksi mean average precision (mAP) ja Intersection over Union (IoU). Objektitunnistus soveltuu automaattisissa ajoneuvoissa, robotiikassa, videovalvonnassa, lääketieteessä sekä lisätyssä todellisuudessa.

Haasteita ovat occlusion, pienet tai epäselvät esineet, valaistusvaihtelut, taustahäly, sekä tarve toimia reaaliajassa rajoitetuilla resursseilla. Tulevaisuuden suuntauksia ovat vähän opettava oppiminen, itseopiskelevat mallit, itseohjautuva pretraining sekä multimodaalinen oppiminen ja domain-adaptation.