arvutinägemises

Arvutinägemine on tehisintellekti valdkond, mis tegeleb visuaalse teabe automaatse tõlgendamisega. Selle eesmärk on anda arvutitele ja süsteemidele võime märgata objekte, mõista olukordi ning teha otsuseid piltide ja videote põhjal. Valdkond ühendab piltide ja video töötlemise, masinõppe ja tööstuslikud ning teaduslikud rakendused.

Peamised ülesanded hõlmavad pildi klassifikatsiooni, objektide tuvastamist ja lokaliseerimist (nt lõigud või maskid), pildisegmentatsiooni, jälgimist, sügavuse ja 3D-rekonstruktsiooni ning tegutsemist mitme sensoriga andmete integreerimisel. Varasemaid lähenemisi iseloomustasid käsitsi loodud omadused, nagu SIFT ja SURF; viimastel aastatel on üha olulisemaks saanud sügava õppimise meetodid, sealhulgas konvolutsioonilised võrgud ja visiooni transformeerijad (näiteks ViT).

Rakendused on laialdased: autonoomsed sõidukid, turvalisus ja valvetehnoloogia, meditsiiniline kujutise analüüs, tööstuslik visuaalne kontroll, robootika ning virtuaalne ja lisatud reaalsus. Tehnoloogial on potentsiaali suurendada efektiivsust ning parandada otsuste tegemist, kuid see loob ka eetilisi ja õiguslikke väljakutseid, nagu privaatsus, andmekaitse ja võimaliku ebaõigluse riskid.

Väljakutsed hõlmavad kohanemist muutuva valgustuse ja vaatepunktega, peidetud objektide tuvastamist, usaldusväärset üldistamist erinevate andmekogumite vahel ning tõhusa ja õiguspärase kasutamise tagamist. Tööriistadeks on OpenCV, PyTorch, TensorFlow ja Keras, millest ühtedena kasutatakse standardset hindamist ning mifu ja IoU-põhiseid mõõdikuid.