arvutinägemist

Arvutinägemine on tehisintellekti haru, mis tegeleb visuaalse teabega töötavate süsteemide arendamise. Eesmärk on järeldada piltidelt ja videotelt informatsioon ning liigitada objekte, jälgida liikumist, sooritada 3D-rekonstrueerimisi ja teha otsuseid visuaalse sisendi põhjal.

Ajalugu: varased uuringud tekkisid 1960.–1980. aastatel; märkimisväärsed edusammud järgnesid masinõppe ja statistiliste meetodite arendamisega 1990.–2000. aastatel. 2012. aasta ImageNeti võidukäik populariseeris sügava õppimise ja konvolutsiooniliste närvivõrkude kasutuse. 2010.–2020. aastatel toodud turule järjest rohkem objektide tuvastamise meetodeid (R-CNN, YOLO) ning hiljem suunati tähelepanu vision transformeritele.

Meetodid: varasemad tööd kasutasid käsitsi loodud omadusi nagu SIFT ja HOG. Kaasaegne arvutinägemine põhineb end-to-end sügavatel närvivõrkudel ja transformeritel, mis võimaldavad klassifikatsiooni, objektide tuvastamist, semantilist ja eristavat segmenteerimist ning 3D-lahendusi. Täiustatud tulemuste saavutamiseks kasutatakse suurt andmemahtu, andmete augmentation’i ja eeltöötlust.

Andmestik ja hindamine: arvutinägemist õpetatakse suurandmetel nagu ImageNet, COCO, PASCAL VOC ja KITTI. Mõõdikud hõlmavad täpsust, mAP, IoU ja teisi sobivaid näitajaid. Domeenivahetus ja tõlgendatavus on hindamisel samuti keskse tähtsusega.

Rakendused: rakendused hõlmavad autonoomseid sõidukeid, meditsiinilist pilditöötlemist, tööstuslikku kvaliteedikontrolli, turvasüsteeme, põllumajandust ja AR/VR-lahendusi.

Väljakutsed ja suundumused: peamised väljakutsed hõlmavad andmekaitset ja biasi, mudelite läbipaistvust, adversariaalseid rünnakuid, domeenivahetust ning suurenevat arvutusvõimsuse ja energiatõhususe nõudlust. Tulevikus nähakse tugevat arengut multimodaalsetes lahendustes ning visioni ja keele integreerimises.