myndflokkunar

Myndflokkunarverkefni snúast um að úthluta mynd af einum eða fleiri merkjum eða flokkum sem lýsa innihald hennar. Upphaflega var þetta verkefni byggt á mannavalningu eiginleika og klassíkerfla, en í dag er hlutverk gervigreindar tækni gjarna ráðið. Í grundvallaratriðum eru tvær gerðir flokkunar: einflokkun (single-label) þar sem mynd getur aðeins tilheyrt einum flokki, og margflokkun (multi-label) þar sem hún getur tilheyrt mörgum flokkunum samtímis.

Meðferð og tæki hafa breyst til mun: Forverar myndflokkunar notuðu handskrifaða eiginleika eins og SIFT eða HOG og líkan af klassís-keifur (t.d. Support Vector Machines). Síðari ár hafa djúp-taugakerfi sem CNN komið við sögu með endurgeymslu (transfer learning) og endurhönnun. Notkun gagna- og fjölbreyttra gagnasafna eins og ImageNet, CIFAR-10/100 og COCO hefur hækkað árangur og fjölbreytni.

Gagnasöfn og mælingar: Mælingar fela í sér nákvæmni (accuracy), nákvæmni og endurheimt (precision/recall), F1-stuðull og AUC. Flokkunarkerfi eru oft þróuð með hávirðishyggð og prófun í aðgreindum gögnum til að meta yfirfæranleika.

Forrit og notkun: Myndflokkun er grundvallaratriði í tölvusjón, sjálfkeyrðum bílum, læknisfræði (til dæmis greining flipa í röntgenmyndum), landbúnaði og öryggi. Helstu áskoranir fela í sér breytileika innan flokka, innri líkingu milli flokka, gögnamun og forspáröryggi.