pildituvastust

Pildituvastus on arvutitöötluse valdkond, mille eesmärk on mõista ja töödelda piltide ning videote sisu. Selle raames tuvastatakse ja klassifitseeritakse pildil esinevad esemed, tegevused ja omadused ning tehakse nende kohta järeldusi.

Põhitehnikad hõlmavad peamiselt klassifikatsiooni, objektide tuvastust ning semantilise või instantsi segmenteerimise. Varasemad meetodid põhinesid käsitsi määratud omadustel (nt SIFT või HOG), kuid tänapäevased mudelid kasutavad sügavat õppimist: konvolutsioonilisi närvivõrke (CNN-id) ja transformeripõhiseid arhitektuure (nt transformeripõhised mudelid).

Rakendused on laialdased: turvalisus ja järelevalve, meditsiiniline pildituvastus, autonoomsed sõidukid, visuaalne otsing e-kaubanduses ning kvaliteedikontroll tööstuslikes protsessides.

Andmed ja hindamine: süsteeme hinnatakse peamiselt klassifikatsiooni täpsuse ja keskmise täpsuse (mAP) alusel, samuti kiiruse ja ressursitarbimise järgi. Üldistatavus ning suutlikkus toimida erinevates domäänides on olulised. Suured avalikud andmestikud, nagu ImageNet, COCO ja PASCAL VOC, on edendanud arendusprotsessi.

Tõstatatavad teemad ja eetika hõlmavad privaatsust, turvalisust ja sotsiaalset mõju. Bias ning adversarial riskid on väljakutsed, mis nõuavad läbipaistvust, regulatiivset ülesehitust ning vastutustundlikku andmekasutust.

Tulevikus võivad olulised arengud hõlmata enesejuhitavat ja vähese juhendiga õppimist, mitmemoodilist õppimist ning paremat kiirust, täpsust ja energiasäästlikkust.