AI-də Kompüter Görməsi nədir?

Əgər siz nə vaxtsa telefonunuzun kilidini üzünüzlə açmısınızsa, qəbzi skan etmisinizsə və ya avtomatik yoxlama kamerasına baxıb onun avokadonu mühakimə edib-etmədiyini düşünmüsünüzsə, kompüter görmə qabiliyyətinə qarşı çıxmısınız. Sadə dillə desək, süni intellektdə Computer Vision, qərar qəbul etmək üçün şəkilləri və videoları kifayət qədər yaxşı görüb başa düşməyi öyrənməsidir Faydalı? Tamamilə. Bəzən təəccüblü? Həmçinin bəli. Düzünü desək, bəzən bir az qorxunc olur. Ən yaxşı halda, qarışıq pikselləri praktik hərəkətlərə çevirir. Ən pis halda, təxmin edir və yellənir. Gəlin düzgün qazaq.

Bundan sonra oxumaq istədiyiniz məqalələr:

🔗 AI qərəzliyi nədir?
Süni intellekt sistemlərində qərəzlik necə əmələ gəlir və onu aşkarlamaq və azaltmaq yolları.

🔗 Proqnozlaşdırıcı süni intellekt nədir?
Proqnozlaşdırıcı süni intellekt tendensiyaları və nəticələri təxmin etmək üçün məlumatlardan necə istifadə edir.

🔗 Süni intellekt üzrə təlimçi nədir?
Süni intellektə öyrədən peşəkarlar tərəfindən istifadə olunan məsuliyyətlər, bacarıqlar və alətlər.

🔗 Google Vertex AI nədir?
Modellərin qurulması və tətbiqi üçün Google-un vahid AI platformasına baxış.

Süni intellektdə Computer Vision tam olaraq nədir? 📸

Süni intellektdə kompüter görmə, kompüterlərə vizual məlumatları şərh etməyi və əsaslandırmağı öyrədən süni intellektin bölməsidir. Bu, xam piksellərdən strukturlaşdırılmış mənaya qədər olan boru kəməridir: “bu dayanma nişanıdır”, “bunlar piyadadır”, “qaynaq qüsurludur”, “qaimə-faktura buradadır”. O, təsnifat, aşkarlama, seqmentləşdirmə, izləmə, dərinliyin qiymətləndirilməsi, OCR və nümunə öyrənmə modelləri ilə birləşdirilmiş daha çox tapşırıqları əhatə edir. Formal sahə klassik həndəsədən müasir dərin öyrənməni əhatə edir, praktik dərsliklərlə siz kopyalaya və düzəldə bilərsiniz. [1]

Sürətli lətifə: təvazökar 720p kamera ilə qablaşdırma xəttini təsəvvür edin. Yüngül detektor qapaqları aşkar edir və sadə izləyici şüşəni yaşıl işıqlandırmadan əvvəl onların ardıcıl beş kadr üçün uyğunlaşdırıldığını təsdiqləyir. Zərif deyil, lakin ucuz, sürətli və yenidən işləməyi azaldır.

Süni intellektdə Kompüter Vizyonunu faydalı edən nədir? ✅

• Siqnaldan hərəkətə axın : Vizual daxiletmə işləyə bilən çıxışa çevrilir. Daha az idarə paneli, daha çox qərar.

• Ümumiləşdirmə : Düzgün məlumatlarla bir model müxtəlif vəhşi şəkilləri idarə edir. Mükəmməl deyil - bəzən şok edici dərəcədə yaxşı.

• Data leverage : Kameralar ucuz və hər yerdədir. Vizyon o piksel okeanını dərkəyə çevirir.

• Sürət : Modellər tapşırıq və həlledicilikdən asılı olaraq real vaxt rejimində sadə aparatda və ya real vaxta yaxın rejimdə işləyə bilər.

• Kompozisiya : Sadə addımları etibarlı sistemlərə birləşdirin: aşkarlama → izləmə → keyfiyyətə nəzarət.

• Ekosistem : Alətlər, əvvəlcədən öyrədilmiş modellər, meyarlar və icma dəstəyi - genişlənən kod bazarı.

Düzünü desək, gizli sous sirr deyil: yaxşı məlumatlar, intizamlı qiymətləndirmə, diqqətli yerləşdirmə. Qalanı məşqdir... və bəlkə də qəhvə. ☕

Süni intellektdə Computer Vision necə işləyir, bir sağlam boru xəttində 🧪

1. Şəklin alınması
   Kameralar, skanerlər, dronlar, telefonlar. Sensor tipini, ekspozisiyanı, linzaları və kadr sürətini diqqətlə seçin. İçindəki zibil və s.

2. Əvvəlcədən emal
   Ölçüsü dəyişdirin, kəsin, normallaşdırın, lazım olduqda ləkələyin və ya səssizləşdirin. Bəzən kiçik bir kontrast çimdik dağları hərəkətə gətirir. [4]

3. Etiketlər və verilənlər dəstləri
   Hədiyyə qutuları, çoxbucaqlılar, açar nöqtələr, mətn aralığı. Balanslı, təmsilçi etiketlər - və ya modeliniz qeyri-bərabər vərdişləri öyrənir.

4. Modelləşdirmə

   • Təsnifat : “Hansı kateqoriya?”

   • Aşkarlama : "Obyektlər haradadır?"

   • Seqmentasiya : "Hansı piksellər hansı şeyə aiddir?"

   • Əsas nöqtələr və poza : "Birləşmələr və ya işarələr haradadır?"

   • OCR : "Şəkildə hansı mətn var?"

   • Dərinlik və 3D : "Hər şey nə qədər uzaqdır?"
     Memarlıq müxtəlifdir, lakin konvolyusiya şəbəkələri və transformator tipli modellər üstünlük təşkil edir. [1]

5. Təlim
   Məlumatları ayırın, hiperparametrləri tənzimləyin, nizamlayın, artırın. Divar kağızı yadda saxlamazdan əvvəl erkən dayanma.

6. Qiymətləndirmə
   OCR üçün mAP, IoU, F1, CER/WER kimi vəzifəyə uyğun ölçülərdən istifadə edin. Albalı seçməyin. Ədalətli şəkildə müqayisə edin. [3]

7. yerləşdirmənin
   optimallaşdırılması: bulud toplu işləri, cihazda nəticə, kənar serverlər. Drift monitoru. Dünya dəyişəndə ​​yenidən məşq edin.

Böyük məlumat dəstləri və hesablamalar kritik kütləyə çatdıqdan sonra dərin şəbəkələr keyfiyyət sıçrayışını katalizlədi. ImageNet problemi kimi meyarlar bu tərəqqini görünən və amansız etdi. [2]

Əslində istifadə edəcəyiniz (və nə vaxt) əsas tapşırıqlar 🧩

• Şəkil təsnifatı : Hər şəkil üçün bir etiket. Sürətli filtrlər, triajlar və ya keyfiyyətli qapılar üçün istifadə edin.

• Obyekt aşkarlanması : əşyaların ətrafındakı qutular. Pərakəndə itkilərin qarşısının alınması, nəqliyyat vasitələrinin aşkarlanması, vəhşi təbiətin sayılması.

• Nümunələrin seqmentasiyası : Hər obyekt üçün piksel-dəqiq siluetlər. İstehsal qüsurları, cərrahi alətlər, agritech.

• Semantik seqmentləşdirmə : Nümunələri ayırmadan piksel başına sinif. Şəhər yol səhnələri, torpaq örtüyü.

• Əsas nöqtələrin aşkarlanması və poza : oynaqlar, işarələr, üz cizgiləri. İdman analitikası, erqonomika, AR.

• İzləmə : Zamanla obyektləri izləyin. Logistika, trafik, təhlükəsizlik.

• OCR və sənəd AI : Mətnin çıxarılması və tərtibatın təhlili. Fakturalar, qəbzlər, blanklar.

• Dərinlik və 3D : Çoxsaylı görünüşlərdən və ya monokulyar işarələrdən rekonstruksiya. Robototexnika, AR, xəritəçəkmə.

• Vizual başlıq : Səhnələri təbii dildə ümumiləşdirin. Əlçatanlıq, axtarış.

• Vizyon dili modelləri : Multimodal əsaslandırma, axtarışla genişlənmiş görmə, əsaslı QA.

Kiçik kassa havası: mağazalarda detektor rəflərin çatışmayan üzlüklərini qeyd edir; izləyici heyətin yenidən sayılması zamanı ikiqat hesablamanın qarşısını alır; sadə qayda aşağı inamlı çərçivələri insan baxışına yönləndirir. Bu, əsasən ahəngdə qalan kiçik bir orkestrdir.

Müqayisə cədvəli: daha sürətli göndərmə üçün alətlər 🧰

Qəsdən bir qədər qəribə. Bəli, məsafə qəribədir - bilirəm.

Süni intellektdə Computer Vision -da keyfiyyəti nə təmin edir 🔧

• Məlumatların əhatə dairəsi : İşıqlandırma dəyişiklikləri, bucaqlar, fonlar, kənar vəziyyətlər. Əgər baş verə bilərsə, onu da daxil edin.

• Etiket keyfiyyəti : Uyğun olmayan qutular və ya səliqəsiz çoxbucaqlılar mAP-ni sabote edir. Bir az QA uzun bir yol gedir.

• Ağıllı artırmalar : Kəs, fırladın, parlaqlığı titrədin, sintetik səs əlavə edin. Təsadüfi xaos deyil, realist olun.

• Model seçiminə uyğunluq : Aşkarlamanın lazım olduğu yerlərdə aşkarlamadan istifadə edin - təsnifatı yerləri təxmin etməyə məcbur etməyin.

• Təsirə uyğun ölçülər : Əgər yalan neqativlər daha çox zərər verirsə, geri çağırışı optimallaşdırın. Yanlış pozitivlər daha çox zərər verirsə, ilk növbədə dəqiqlik.

• Sıx rəy döngəsi : Uğursuzluqları qeyd edin, yenidən etiketləyin, yenidən hazırlayın. Yuyun, təkrarlayın. Bir az darıxdırıcı-vəhşi təsirli.

Aşkarlama/seqmentləşdirmə üçün icma standartı Orta Dəqiqlikdir , yəni COCO-stil mAP . IoU və AP@{0.5:0.95}-in necə hesablandığını bilmək liderlər sıralamasının iddialarını onluqlarla göz qamaşdırmaqdan qoruyur. [3]

Hipotetik olmayan real dünyada istifadə halları 🌍

• Pərakəndə satış : Rəflərin təhlili, itkilərin qarşısının alınması, növbələrin monitorinqi, planoqrama uyğunluq.

• İstehsal : Səth qüsurlarının aşkarlanması, montajın yoxlanılması, robot rəhbərliyi.

• Səhiyyə : Radioloji triaj, alətin aşkarlanması, hüceyrə seqmentasiyası.

• Hərəkətlilik : ADAS, trafik kameraları, parklanma, mikromobilliyin izlənməsi.

• Kənd Təsərrüfatı : Məhsulun hesablanması, xəstəliklərin aşkarlanması, məhsula hazırlıq.

• Sığorta və Maliyyə : Zərərin qiymətləndirilməsi, KYC yoxlamaları, fırıldaqçılıq bayraqları.

• Tikinti və Enerji : Təhlükəsizliyə uyğunluq, sızma aşkarlanması, korroziyaya nəzarət.

• Məzmun və Əlçatanlıq : Avtomatik başlıqlar, moderasiya, vizual axtarış.

Diqqət edəcəyiniz nümunə: əl ilə skanlamağı avtomatik triajla əvəz edin, sonra etibar azaldıqda insanlara keçin. Cazibədar deyil - amma tərəzi.

Data, etiketlər və vacib olan ölçülər 📊

• Təsnifat : Dəqiqlik, balanssızlıq üçün F1.

• Aşkarlama : IoU hədləri üzrə mAP; hər sinif AP və ölçülü vedrələri yoxlayın. [3]

• Seqmentasiya : mIoU, Zar; nümunə səviyyəli səhvləri də yoxlayın.

• İzləmə : MOTA, IDF1; yenidən identifikasiya keyfiyyəti səssiz qəhrəmandır.

• OCR : Xarakter Səhv Oranı (CER) və Söz Səhv Oranı (WER); layout uğursuzluqları çox vaxt üstünlük təşkil edir.

• Reqressiya tapşırıqları : Dərinlik və ya pozadan istifadə mütləq/nisbi səhvlər (çox vaxt log miqyasında).

Qiymətləndirmə protokolunuzu sənədləşdirin ki, başqaları onu təkrarlaya bilsin. Bu qeyri-seksualdır, amma sizi dürüst saxlayır.

Qurmaq və satın almaq və harada işlətmək olar 🏗️

• Bulud : Başlamaq üçün ən asan, toplu iş yükləri üçün əladır. Çıxış xərclərinə baxın.

• Kənar cihazlar : Daha az gecikmə və daha yaxşı məxfilik. Kvantlama, budama və sürətləndiricilərlə maraqlanacaqsınız.

• Cihazda mobil : Uyğun olduqda heyrətamizdir. Modelləri optimallaşdırın və batareyaya baxın.

• Hibrid : Kənarda əvvəlcədən filtr, buludda ağırlıq qaldırma. Gözəl kompromis.

Darıxdırıcı etibarlı yığın: PyTorch ilə prototip, standart detektoru məşq edin, ONNX-ə ixrac edin, OpenVINO/ONNX Runtime ilə sürətləndirin və əvvəlcədən emal və həndəsə (kalibrləmə, homoqrafiya, morfologiya) üçün OpenCV-dən istifadə edin. [4]

Risklər, etika və danışılası çətin hissələr ⚖️

Görmə sistemləri verilənlər bazası meyllərini və ya əməliyyat kor nöqtələrini miras ala bilər. Müstəqil qiymətləndirmələr (məsələn, NIST FRVT) alqoritmlər və şərtlər üzrə üz tanıma xəta dərəcələrində demoqrafik fərqləri ölçmüşdür. Bu, çaxnaşma üçün bir səbəb deyil, lakin diqqətlə sınaqdan keçirmək, məhdudiyyətləri sənədləşdirmək və istehsalda davamlı nəzarət etmək üçün bir səbəbdir . Əgər şəxsiyyət və ya təhlükəsizliklə bağlı istifadə hallarını tətbiq edirsinizsə, insan baxışı və şikayət mexanizmlərini daxil edin. Məxfilik, razılıq və şəffaflıq isteğe bağlı əlavələr deyil. [5]

Həqiqətən izləyə biləcəyiniz sürətli başlanğıc yol xəritəsi 🗺️

1. Qərarın müəyyənləşdirilməsi.
   Sistem bir şəkil gördükdən sonra hansı hərəkəti etməlidir? Bu sizi boşluq göstəricilərini optimallaşdırmaqdan saxlayır.

2. Zərərli məlumat dəsti toplayın.
   Real mühitinizi əks etdirən bir neçə yüz şəkillə başlayın. Diqqətlə etiketləyin - hətta siz və üç yapışqan qeyd olsa belə.

3. Baza modelini seçin
   Əvvəlcədən hazırlanmış çəkilərlə sadə onurğa sütununu seçin. Hələ ekzotik memarlıqları təqib etməyin. [1]

4. 
   Track ölçülərini, qarışıqlıq nöqtələrini və uğursuzluq rejimlərini məşq edin, qeyd edin, qiymətləndirin "Qəribə hallar" dəftərini saxlayın - qar, parıltı, əkslər, qəribə şriftlər.

5. Döngəni sıxın
   Sərt neqativlər əlavə edin, etiket sürüşməsini düzəldin, artırmaları tənzimləyin və hədləri yenidən tənzimləyin. Kiçik düzəlişlər əlavə olunur. [3]

6. Zərif versiyanı yerləşdirin
   Kəmiyyət ölçün və ixrac edin. Oyuncaq standartı deyil, real mühitdə gecikmə/ötürmə qabiliyyətini ölçün.

7. Monitorinq və təkrarlama
   Yanlış atəşləri toplayın, yenidən etiketləyin, yenidən məşq edin. Modelinizin fosilləşməməsi üçün dövri qiymətləndirmələri planlaşdırın.

Məsləhətçi məsləhət: ən həyasız komanda yoldaşınız tərəfindən müəyyən edilmiş kiçik bir tutuşa şərh verin. Əgər onlar onu deşik edə bilmirlərsə, yəqin ki, hazırsınız.

Qarşısını almaq istəyəcəyiniz ümumi problemlər 🧨

• Təmiz studiya şəkilləri üzərində təlim, obyektivdə yağışla real dünyaya yerləşdirmə.

• Bir kritik sinifə həqiqətən əhəmiyyət verdiyiniz zaman ümumi mAP üçün optimallaşdırma. [3]

• Sinif balanssızlığına məhəl qoymamaq və sonra nadir hadisələrin niyə yoxa çıxdığı ilə maraqlanmaq.

• Model süni artefaktları öyrənənə qədər həddindən artıq artırma.

• Kamera kalibrləməsini atlayın və sonra perspektiv səhvləri ilə əbədi olaraq mübarizə aparın. [4]

• Dəqiq qiymətləndirmə quruluşunu təkrarlamadan liderlər lövhəsi nömrələrinə inanmaq. [2][3]

Əlfəcin qoymağa dəyər mənbələr 🔗

Əgər siz ilkin materialları və kurs qeydlərini sevirsinizsə, bunlar əsaslar, təcrübə və meyarlar üçün qızıldır. İstinadlar baxın : CS231n qeydləri, ImageNet problem sənədi, COCO məlumat dəsti/qiymətləndirmə sənədləri, OpenCV sənədləri və NIST FRVT hesabatları. [1][2][3][4][5]

Yekun qeydlər - ya da çox uzun, oxumadım 🍃

Süni intellektdə Computer Vision pikselləri qərarlara çevirir. Doğru tapşırığı düzgün məlumatla birləşdirəndə, düzgün şeyi ölçəndə və qeyri-adi nizam-intizamla təkrarlayanda parlayır. Alətlər səxavətlidir, meyarlar açıqdır və son qərara diqqət yetirsəniz, prototipdən istehsala qədər olan yol təəccüblü dərəcədə qısadır. Etiketlərinizi düz edin, təsirə uyğun ölçüləri seçin və modellərin ağır yükləri qaldırmasına icazə verin. Əgər metafora kömək edirsə, bunu çox sürətli, lakin hərfi mənada bir təcrübəçiyə vacib olanı öyrətmək kimi düşünün. Nümunələr göstərirsən, səhvləri düzəldirsən və yavaş-yavaş onu real işlərlə etibar edirsən. Mükəmməl deyil, lakin transformativ olmaq üçün kifayət qədər yaxındır. 🌟

İstinadlar

1. CS231n: Kompüter Görməsi üçün Dərin Öyrənmə (kurs qeydləri) - Stanford Universiteti.
   daha çox oxuyun

2. ImageNet Böyük Ölçülü Vizual Tanıma Çağırışı (kağız) - Russakovsky et al.
   daha çox oxuyun

3. COCO Dataset & Evaluation - Rəsmi sayt (tapşırıq tərifləri və mAP/IoU konvensiyaları).
   daha çox oxuyun

4. OpenCV Documentation (v4.x) - Əvvəlcədən emal, kalibrləmə, morfologiya və s. üçün modullar
   daha ətraflı oxuyun

5. NIST FRVT Hissə 3: Demoqrafik Effektlər (NISTIR 8280) - Demoqrafik göstəricilər üzrə üz tanıma dəqiqliyinin müstəqil qiymətləndirilməsi.
   daha çox oxuyun

Rəsmi AI köməkçisi mağazasında ən son AI-ni tapın

Haqqımızda