Ce înseamnă Recunoașterea obiectelor
Recunoașterea obiectelor înseamnă că un sistem AI privește o imagine sau un cadru video și răspunde la două întrebări: ce obiecte sunt acolo și unde exact se află. Rezultatul obișnuit este o listă de dreptunghiuri (numite bounding boxes), fiecare cu o etichetă și un scor de încredere, de exemplu „mașină, 94%” sau „pieton, 88%”.
Este una dintre cele mai folosite aplicații ale computer vision: stă la baza mașinilor cu asistență la condus, a camerelor de securitate care disting oamenii de animale și a aplicațiilor care recunosc plante sau produse după o poză.
Cum funcționează
Modelul este antrenat pe imagini în care oamenii au desenat manual dreptunghiuri în jurul obiectelor și le-au etichetat. Rețeaua învață să propună zone din imagine și să le clasifice. Familii de modele cunoscute, precum YOLO („You Only Look Once”), fac totul dintr-o singură trecere prin imagine, suficient de repede pentru video în timp real.
Modelul recunoaște doar clasele pe care le-a învățat. Unul antrenat pe 80 de tipuri de obiecte nu va eticheta corect un obiect din afara listei; modelele mai noi, legate de limbaj, pot căuta și obiecte descrise în cuvinte.
Pe înțelesul tuturor
Gândește-te la jocul „Găsește diferențele”, dar invers: modelul încercuiește fiecare lucru cunoscut din imagine și scrie lângă el ce este.
Exemplu
Într-un magazin, o cameră poate număra câte persoane stau la coadă la fiecare casă și poate anunța deschiderea uneia noi. În trafic, sistemul unei mașini moderne detectează pietoni, bicicliști și alte vehicule pentru frânarea automată de urgență.
De reținut
- Rezultatul este eticheta obiectului, poziția lui (un dreptunghi) și un scor de încredere.
- Modelul recunoaște doar tipurile de obiecte pe care le-a învățat.
- Iluminarea slabă, obiectele acoperite parțial sau unghiurile neobișnuite cresc riscul de eroare.
Nu confunda
- Clasificarea imaginii dă o singură etichetă pentru toată poza („pisică”); detectarea obiectelor găsește fiecare obiect și locul lui; segmentarea marchează chiar pixelii fiecărui obiect.
Termeni înrudiți
- Computer vision (vedere artificială): Ramura AI care învață calculatoarele să „vadă”: să recunoască obiecte, fețe, text și mișcare în imagini și video.
- Segmentarea imaginilor: Sarcina de computer vision care împarte o imagine în zone, marcând pixel cu pixel ce aparține fiecărui obiect.
- Clasificare: Sarcina de machine learning în care modelul pune fiecare exemplu într-o categorie dintr-o listă fixă, de exemplu „spam” sau „nu e spam”.
- CNN (rețea neuronală convoluțională): Tip de rețea neuronală specializat pe imagini, care caută tipare mici (margini, colțuri) și le combină în forme și obiecte.
- Mașină autonomă: Vehicul care folosește senzori și AI pentru a percepe drumul și a conduce, parțial sau complet, fără intervenția unui șofer.