arvutinägemisest

Arvutinägemine (computer vision) on informaatika valdkond, mis tegeleb masinõppe, statistika ja sensorite abil visuaalse teabe mõistmisega. Eesmärk on võimaldada arvutitel näha, mõista ja tegutseda piltide ja videote põhjal ning teha otsuseid või juhiseid ilma inimese otsese sekkumiseta.

Põhieesmärkideks on pildi klassifikatsioon, objektide tuvastamine ja nende asukoha määramine, pildisegmenteerimine ehk eristavate piirkondade eristamine, jälgimine ajas, sügavuse ja 3D-rekonstruktsioon, optiline vool, keha poosi hindamine ning stseenide mõistmine või kirjeldamine. Seaduspäraselt tegeletakse ka nägude, teksti ning meditsiiniliste pildite nägemiserinevate ülesannetega.

Tehnilised lähenemised on olnud märkimisväärselt dünaamilised. Klassikalised arvutinägemise meetodid kasutavad käsitsi leiutatud omadusi (nt SIFT, HOG) ja traditsioonilisi masinõppemeetodeid. Viimastel aastatel on domineerinud süvaõpe, eriti konvolutsioonilised närvivõrgud ja kohtadepõhised arhitektuurid (R-CNN, YOLO, mask R-CNN) ning nüüd ka transformerite kasutamine visuaalses mõistmises. Suuremad andmekogud nagu ImageNet, COCO, PASCAL VOC ja KITTI on oluliselt arendanud arenduste tööd ning võimaldanud metaandmete ja e-õppe abil paremat üldistust.

Rakendused ulatuvad autonoomsetest sõidukitest ja turvasüsteemidest meditsiinilise pildi analüüsini, roboti ja tootmisseadmete valdkonda ning virtuaalse ja täiendatud reaalsuse lahendustesse. Väljakutsed hõlmavad pettekõrguse, varju, heleda ja madalate valgustingimuste robustsust, domeenimuutuste mõju, andmekaitset ja ettenähtamatute situatsioonide usaldusväärset haldamist.