بینایی ماشین چیست؟

ساخت وبلاگ

به گفته یپاول گراهامدانشمند کامپیوتر، کارآفرین و سرمایه گذاری اقتصادی:

همان طور که حرف می زنی، بنویس.

با درنظرگرفتن این نقل قول می توان به تعریفبینایی ماشینپرداخت. در این مقاله فرض می شود مخاطب چیزی در این مورد نمی داند.TechCrunchباتوجه به این مسئله این تعریف را ارائه می کند:

شخصی در اتاق یک توپ را به سمت شما پرتاب می کند و شما آن را می گیرید. ساده است، نه؟ اما این فرایند یکی از پیچیده ترین فرآیندهایی است که برای درک آن تلاش می کنیم.

و حالا یک نگاه فوری بهویکیپدیابیندازید:

بینایی ماشین یک زمینه ی میان رشته ای است که با نحوه ی ساخت کامپیوترها برای دستیابی به درک سطح بالایی از تصاویر دیجیتالی یا ویدئوها سروکار دارد. بینایی ماشین دقیقا همان طور است که به نظر می رسد (کامپیوتر یا ماشین اشیا را می بینند) و تفاوت های اندکی با زمینه های مرتبط خود دارد.

براساس ویکی پدیا، بینایی ماشین عبارت است از:

باز کردن اطلاعات سمبلیک داده های تصویری با استفاده از مدل هایی که به کمک هندسه، فیزیک، آمار و نظریه ی یادگیری ساخته شده اند.

تاریخچه ی پرماجرا و طولانی بینایی ماشین

درست در زمان مرگوالت دیزنیو تولد مخترع ویکیپدیا، مردم در تلاش بودند نعمت بینایی را به کامپیوتر هدیه کنند. متن زیر برنامه ریزی برای ساخت یک سیستم بصری را نشان می دهد. براساس این متن ساخت هر بخش از این سیستم بر عهده ی گروه های مختلف است و این پروژه به یک نقطه ی شاخص در توسعه ی تشخیص الگو تبدیل می شود.

هدیه بینای کامپیوتر

هدیه بینایی کامپیوتر

هدیه بینایی کامپیوتر

در این متن اشاره شده است که هدف اصلی این پروژه، ساخت سیستمی برای طبقه بندی اشیا و پس زمینه در یک تصویر است. پیشرفت های قرن بیست ویک در زمینه ی محاسبات، ریاضی و زمینه های مرتبط، زمینه ای را برای این پیشرفت ها فراهم کرده است.

پردازش تصویر دیجیتال

بینایی ماشین به شدت به نمودارهای ون درپردازش تصویر دیجیتالوابسته است. وظایف زیر در حوزه ی پردازش تصویر دیجیتال قرار می گیرند:

  • تشخیص الگو:خودتوصیف. پیدا کردن قوانین.
  • استخراج ویژگی:تجزیه ی یک تصویر به ویژگی های مجزا
  • طبقه بندی: آیا این دسته از یال ها یا اشکال مانند یک خودرو به نظر می رسند یا سگ؟
  • تحلیل سیگنال چندمقیاسی:روش های دیگر برای دیدن این تصویر چیست؟
  • نگاشت گرافیکی:چگونه می توان یک شیء سه بعدی را به صورت دوبعدی نمایش داد؟

پردازش تصویر سه بعدی

روش هایی برای تجزیه ی یک شیء سه بعدی به دو بعد: عمل پردازش تصویر

تشخیص الگوی وابسته به الگوریتم، امکان یافتن خودکار نقاط کلیدی یک تصویر مانند گوشه ها و یال ها را فراهم می کند. با مقایسه ی موقعیت تقریبی نقاط بین فریم های ویدئوی برای مثال می توانید جابه جایی محور X و Y را خنثی کنید و لرزش را از بین ببرید. همچنین می توانید این کار را به سادگی در پایتون با کد متن باز انجام دهید.

شاید بتوان گفت،تحلیل سیگنال چندمقیاسییکی از سنگین ترین عملیات پردازش تصویر باشد، اما در سطح بالا، همان طور که از نام آن پیداست به معنی تحلیل سیگنال روی مقیاس های متعدد یا از زاویه های مختلف است.فتوشاپدر ابزارshapreningخود از تحلیل چندمقیاسی استفاده می کند.

ابزار sharpning

گاهی اوقات برای افزایش شفافیت یک تصویر، در ابتدا آن را بلور می کنند تا لبه های تصویر آشکار شود

یک روش جالب برای تجزیه ی یک تصویر به دست آوردن مشتق آن است. این روش به یافتن لبه های تصویر و درنتیجه تفکیک بخش های تصویر به اشیای مجزا کمک می کند. با این روش می توان برچسب هایی مثل سگ، انسان، پلنگ، توپ ورزشی و ... را به اشیا تخصیص داد. این فرایند اغلب روی مقیاس های مختلف انجام می شود.

آرایه

درخشش در سطح پیکسلی. تصاویر مانند آرایه های numpy (افزونه ی برنامه نویسی پایتون) به نظر می رسند.

تصویر بالا، تصویرآبراهام لینکلناست. رزولوشن پائین آن به اندازه ای است که بتوان پیکسل های مستقل را دید. ازآنجاکه کار در طیف خاکستری یاgrayscaleهشت بیتی اجرا شده است، اعداد هر واحد، درخشش پیکسلی را روی طیف ۰ تا ۲۵۵ نمایش می دهند.

با به دست آوردن مشتق گسسته ی هر پیکسل در راستای محور x می توان آن پیکسل را با پیکسل های چپ و راست خود مقایسه کرد، نتیجه ی این مقایسه تخمین نسبت تغییر لحظه ای بین مقادیردرخشندگی (brightness)است. می توانید مشتق گسسته ی همان پیکسل را هم در راستای محور y به دست آورید (ستون آن) و سپس با ترکیب این دو بخش، وجود پیکسل روی لبه ها را بررسی کنید.

موقعیت پیکسل ها

تصور کنید، x موقعیت پیکسلی را در سطر گسسته ای از پیکسل ها نمایش می دهد و y مقدار درخشندگی آن است. نمی توانید مشتق آن را از گراف میله ای به دست آورید، بلکه می توانید آن را از منحنی بهترین تناسب تخمین بزنید.

تغییر نسبت لحظه ای لبه ها بین مقادیر رنگ و درخشندگی معمولا بیشتر است. برای مثال لبه ی ریش آبه کنتراست بالایی دارد. در فیلم ذیل یک پیش نمایش از آخرین فناوری آشکارسازی شیء ارائه شده است که بسیاری از این روش ها را ترکیب می کند.

الگوریتم کشف شیء YOLOv3 ژوزف ردمون و همکاران.

بینایی ماشین در مقابل بینایی ماشین

حالا این سؤال مطرح می شود که چه عاملیبینایی ماشینرا ازپردازش تصویر دیجیتالیمتمایز می کند؟ هم پوشانی های زیادی بین این دو وجود دارد اما بینایی ماشین معمولا گسترده تر است: بینایی ماشین به ورودی هایی مثل فرضیه ها نیاز دارد و هدف آن دستیابی به یک خروجی از تصمیم های قابل ردیابی است.

برای درک این تفاوت، این مثال را در نظر بگیرید: فرض کنید یکرباتساده مجهز به چتر نجات و دوربین را از هواپیما پرتاب کنید. اگر این ربات در حین سقوط تنها عمل پردازش تصویر دیجیتالی را انجام دهد، صرفا می تواند ورودی دوربین خود را برای شناسایی سوژه های زیر خود مثل زمین و دریا تحلیل کند اما از ماهیت زمین یا دریا آگاه نیست یا نمی داند چه وظیفه ای را در مورد آن ها انجام دهد.

با بینایی ماشین، می توان پیش فرض هایی را به ربات داد برای مثال: <<آب و گدازه های داغ محل بدی برای فرود هستند>> یا <<آب و گدازه ی داغ چه ویژگی هایی دارند>>. در مرحله ی بعد ربات می تواند از پردازش تصویر دیجیتالی برای تحلیل ورودی های دوربین خود استفاده کند و نواحی اطراف از جمله زمین، دریا یا گدازه ی آتش فشانی داغ را دسته بندی کند و براساس فرضیه های قبلی برای محل فرود تصمیم گیری کند.

این مثال یک نمونه از بینایی ماشین است که یک زیرمجموعه ی مهندسی از بینایی ماشین است. یک کاربرد واقع گرایانه تر از بینایی ماشین می تواند خودکارسازی یا تسریع وظایف بصری QC روی خط مونتاژ باشد. بنابراین می توان گفت بینایی ماشین بیشتر با عناصر علمی و نظری سروکار دارد (نه کمک به فرود ایمن ربات).

از طرفی، بسیاری با این تعاریف مخالف هستند. بعضی می گویند هدف پردازش تصویر دیجیتال، صرفا تبدیل تصاویر است و بینایی ماشین هم صرفا کار تشخیص وتحلیل الگورا انجام می دهد. هنوز بر سر این تعاریف اختلاف وجود دارد.

آینده: خوب یا بد

بینایی ماشین به پیشرفت های قابل توجهی رسیده است. در آینده سیستم هایی توسعه خواهند یافت که امکان درک مشاهدات و پاسخگویی متناسب را به کامپیوترها می دهند.

سیستم های این چنینی در آینده به یک ضرورت برای عملکرد ایمن خودروهای اتوماتیک تبدیل می شوند. این سیستم ها به کاهش هزینه ها درپردازش تصویر پزشکیهم کمک می کنند. بینایی ماشین در اقدامات بشردوستانه هم خواهد درخشید؛ اما به طورکلی باید به یک نکته توجه کرد: افرادی که از استثمار، جنگ و دیگر اقدامات شرورانه سود می برند هم از این ابزار استفاده خواهند کرد. به نقل ازگیزمودو:

در منطقه ی مشهور پیکادیلی لندن یک صفحه ی نمایش ترسناک و بزرگ قرار دارد که می تواند وسایل نقلیه، سن و حتی احساسات افراد نزدیک به خود را شناسایی کند و با تبلیغات هدفمند به آن ها واکنش نشان دهد.

پیکادیلی

پیشرفت هاییادگیری ماشینو پردازش تصویر دیجیتال در حال همگرا شدن هستند. شاید روزی برسد که برای مثال آچاری را به سمت یک ربات کارگر پرتاب کنید، آن ربات منظور شما را تشخیص دهد و آچار را بگیرد.

علم وفناوری...
ما را در سایت علم وفناوری دنبال می کنید

برچسب : نویسنده : 9elme1404c بازدید : 770 تاريخ : شنبه 29 دی 1397 ساعت: 19:18