arvutinägemine

Arvutinägemine on tehisintellekti ja arvutiteaduse valdkond, mis tegeleb arvutite võimega mõista ja töödelda visuaalset teavet, nagu pildid ja videod, ning sooritada ülesandeid ilma pideva inimjuhendamiseta. Selle eesmärk on võimaldada masinatel märgata, mõista ja kirjeldada keskkonda ning kasutada seda teadmisi otsuste tegemiseks või toimingute juhtimiseks.

Peamised ülesanded hõlmavad piltide klassifitseerimist, objektide tuvastamist ja nende asukohtade määramist (detektioon), semantilist jaotust (segmenteerimine), jälgimist (tracking), 3D rekonstrueerimist ning stseenide mõistmist. Nende alusel arendatakse süsteeme, mis suudavad eristada erinevaid objekte, liikuvaid ühikuid ning ruumilist struktuuri.

Meetodid on viimastel aastatel märkimisväärselt muutunud. Traditsiooniliselt kasutati käsitsi loodud omadusi (nt SIFT, SURF) ja geomeetrilisi meetodeid. Alates 2010. aastate keskpaigast on domineerivad sügavõppe meetodid: konvolutsioonilised närvivõrgud (CNN-id), objektidetektorid (R-CNN, YOLO, SSD) ning segmenteerimise mudelid (Mask R-CNN). Viimastel aastatel on populaarsed ka visioonistransformersid ning integreeritud süsteemid, mis ühendavad eri ülesandeid.

Rakendused on laialdased: autonoomsed sõidukid ja robotite nägemine, meditsiiniline pilditöötlus (nt radioloogia), turvasüsteemid ja näotuvastus, tööstuslik kvaliteedikontroll, põllumajandus ning laiendatud/virtuaalne reaalsus. Väljakutsed hõlmavad suurt andmekaarti ja privaatsust, süsteemide robustsust eri valgustingimustes, tähelepanukriisi ja tulemuste selgitamist.