User talk:Kimose
Masinnägemine - on Masinnägemine on teaduslik suund tehisintellekti, eelkõige robootika ja sellega seotud tehnoloogiate valdkonnas reaalse maailma objektide kujutiste saamiseks, nende töötlemiseks ja saadud andmete kasutamiseks mitmesuguste rakenduslike probleemide lahendamiseks ilma (täielik) või osaliselt) inimesed.
Sissejuhatus
Сюда можно кратенько наляпать про быстрое развитие и то как машина заменила человека
Ajalugu
Сюда история
Masinnägemise arengu ajalugu ja see, mis meil praegu on
Kuidas masinnägemine töötab
Selleks, et arvuti teatud objektid üles leiaks, tuleb seda talle õpetada. Selleks koostatakse tohutu koolitusnäidis. Näiteks fotodelt, millest osa sisaldab soovitud objekti ja teine osa mitte.Järgmiseks tuleb masinõpe. Arvuti analüüsib proovist saadud pilti. Seejärel teeb arvuti kindlaks, millised kujutiste kombinatsioonide tunnused näitavad soovitud objektide olemasolu, ja arvutab nende olulisuse. Kui see on lõpetatud, saab masinnägemist kasutada.
Arvuti jaoks on pilt pikslite kogum, millest igaühel on oma heleduse või värvi väärtus. Selleks, et masin saaks pildi sisust aimu, töödeldakse seda spetsiaalsete algoritmide abil. Esmalt tehakse kindlaks suured olulised kohad. Seda saab teha mitmel viisil. Näiteks liigutage mitu korda sarnast pilti Gaussi häguga, kasutades erinevaid hägususraadiusi. Seejärel võrreldakse tulemusi omavahel, et paljastada kõige kontrastsemad alad, nagu heledad laigud ja katkendlikud jooned. Pärast oluliste kohtade leidmist kirjeldab arvuti neid numbritega. Pildi fragmendi numbrilisel kujul salvestamist nimetatakse deskriptoriks. Deskriptorite abil saate üsna täpselt võrrelda pildi fragmente, ilma fragmente endid kasutamata. Arvutuste kiirendamiseks jaotab arvuti deskriptorid rühmadesse, saades omamoodi klastri. Sarnased deskriptorid erinevatelt piltidelt kuuluvad samasse klastrisse. Pärast sellist klasterdamist muutub oluliseks ainult klastri number koos deskriptoritega . Mis on pakutavaga kõige sarnasem. Deskriptorist klastri numbrini jõudmist nimetatakse kvantiseerimiseks. Ja klastri numbrit ennast nimetatakse kvantdeskriptoriks. Kvantimine vähendab oluliselt andmete hulka, mida arvuti peab töötlema. Kvantdeskriptorite põhjal saab arvuti pilte võrrelda ja neil olevaid objekte ära tunda. Arvuti võrdleb erinevate piltide kvant deskriptorite komplekte ja teeb järelduse, kui palju need või nende üksikud fragmendid on sarnased. Sellist võrdlust kasutavad ka otsingumootorid piltide leidmiseks pildi järgi.
Masinnägemise rakendamine
Перенес пункты сюда для удобства :)
Камера в телефоне (ИИ распознает картиночки и не только ;) )
Умные светофоры (Вумный город)
Камеры замера скорости (Не только вумный город)
Умный город
Роботы (Доставка, самодвижущиеся роботы) (Роботы мустамяэ, Milrem, Boston Dynamics)
Контроль качества на производстве (Производство)
Производство
Военные дроны
Военные системы наведения
Открытие шлагбаумов (Вумный город)
Ассистенты автомобилей (Автопилоты, Line Assistant)
PhotoMath (Камера в телефоне)
Allikad
https://shalaginov.com/2020/05/16/computer-vision-history/ (История разработки и РАЗВИТИЯ)
https://habr.com/ru/company/droider/blog/538750/ (Что это и как оно работает, немного применения)
Machine Vision : Theory, Algorithms, Practicalities - Morgan Kaufmann, 2004
Не забывайте крепить сюда источники, если берете инфу не из выше перечисленных!!!
