Ի՞նչ է համակարգչային տեսողությունը արհեստական ​​բանականության մեջ։

Եթե ​​երբևէ դեմքով բացել եք ձեր հեռախոսը, սկանավորել եք կտրոն կամ նայել եք ինքնասպասարկման տեսախցիկին՝ մտածելով, թե արդյոք այն գնահատում է ձեր ավոկադոն, ապա դուք բախվել եք համակարգչային տեսողության հետ։ Պարզ ասած՝ արհեստական ​​բանականության մեջ համակարգչային տեսողությունը այն է, թե ինչպես են մեքենաները սովորում տեսնել և հասկանալ պատկերներն ու տեսանյութերը բավականաչափ լավ՝ որոշումներ կայացնելու համար։ Օգտակա՞ր է։ Անշուշտ։ Երբեմն զարմանալի՞ է։ Այո՛։ Եվ երբեմն մի փոքր սարսափելի, եթե անկեղծ լինենք։ Լավագույն դեպքում այն ​​անկանոն պիքսելները վերածում է գործնական գործողությունների։ Վատագույն դեպքում՝ այն կռահում և տատանվում է։ Եկեք խորանանք՝ ճիշտ։

Հոդվածներ, որոնք կարող են ձեզ դուր գալ կարդալ սրանից հետո.

🔗 Ի՞նչ է արհեստական ​​բանականության կողմնակալությունը
։ Ինչպե՞ս է կողմնակալությունը ձևավորվում արհեստական ​​բանականության համակարգերում և դրա հայտնաբերման ու նվազեցման եղանակները։

🔗 Ի՞նչ է կանխատեսող արհեստական ​​բանականությունը։
Ինչպե՞ս է կանխատեսող արհեստական ​​բանականությունը օգտագործում տվյալները՝ միտումներն ու արդյունքները կանխատեսելու համար։

🔗 Ի՞նչ է արհեստական ​​բանականության մարզիչը։ Արհեստական
​​բանականություն մարզող մասնագետների կողմից օգտագործվող պարտականությունները, հմտությունները և գործիքները։

🔗 Ի՞նչ է Google Vertex AI-ը։
Google-ի մոդելների կառուցման և տեղակայման միասնական AI հարթակի ակնարկ։

Ի՞նչ է իրականում համակարգչային տեսողությունը արհեստական ​​բանականության մեջ։ 📸

Համակարգչային տեսողությունը արհեստական ​​բանականության մեջ արհեստական ​​բանականության այն ճյուղն է, որը սովորեցնում է համակարգիչներին մեկնաբանել և դատողություններ անել տեսողական տվյալների շուրջ: Այն հում պիքսելներից մինչև կառուցվածքային իմաստի անցնող գործընթաց է. «սա կանգառի նշան է», «նրանք հետիոտներ են», «եռակցումը խափանված է», «ընդհանուր հաշիվ-ապրանքագիրը այստեղ է»: Այն ընդգրկում է դասակարգման, հայտնաբերման, սեգմենտացիայի, հետևման, խորության գնահատման, OCR-ի և այլնի նման առաջադրանքներ՝ միացված նախշերի ուսուցման մոդելների միջոցով: Ֆորմալ ոլորտը ընդգրկում է դասական երկրաչափությունից մինչև ժամանակակից խորը ուսուցում՝ գործնական ձեռնարկներով, որոնք կարող եք պատճենել և փոփոխել: [1]

Կարճ պատմություն. պատկերացրեք փաթեթավորման գիծ՝ համեստ 720p տեսախցիկով: Թեթև դետեկտորը հայտնաբերում է կափարիչները, իսկ պարզ հետևորդը հաստատում է, որ դրանք դասավորված են հինգ անընդմեջ կադրով, նախքան շշի համար կանաչ լույս տալը: Ոչ թե շքեղ, այլ էժան, արագ և նվազեցնում է կրկնակի աշխատանքը:

Ի՞նչն է արհեստական ​​բանականության մեջ համակարգչային տեսողությունը դարձնում օգտակար։ ✅

• Սիգնալից գործողության հոսք . տեսողական մուտքային տվյալները դառնում են գործնականում կիրառելի ելքային տվյալներ: Ավելի քիչ վահանակ, ավելի շատ որոշումներ:

• Ընդհանրացում . ճիշտ տվյալներով մեկ մոդելը մշակում է պատկերների բազմազանություն։ Ոչ կատարյալ, երբեմն՝ զարմանալիորեն լավ։

• Տվյալների արդյունավետ օգտագործում . Տեսախցիկները էժան են և ամենուրեք։ Տեսողությունը պիքսելների այդ օվկիանոսը վերածում է ինտուիցիայի։

• Արագություն . Մոդելները կարող են մշակել կադրերը իրական ժամանակում՝ չափավոր սարքավորումների վրա, կամ գրեթե իրական ժամանակում՝ կախված առաջադրանքից և լուծաչափից։

• Համադրելիություն . պարզ քայլերի շղթայական համադրություն հուսալի համակարգերի մեջ՝ հայտնաբերում → հետևում → որակի վերահսկողություն։

• Էկոհամակարգ . Գործիքներ, նախապես պատրաստված մոդելներ, չափորոշիչներ և համայնքային աջակցություն՝ կոդի մեկ ընդարձակ շուկա։

Անկեղծ ասած, գաղտնիքը գաղտնիք չէ՝ լավ տվյալներ, կարգապահ գնահատում, ուշադիր տեղակայում: Մնացածը պրակտիկա է... և գուցե սուրճ: ☕

Ինչպես համակարգչային տեսողությունը արհեստական ​​բանականության մեջ ՝ մեկ ողջամիտ խողովակաշարով 🧪

1. Պատկերի ստացում՝
   տեսախցիկներ, սկաներներ, անօդաչու թռչող սարքեր, հեռախոսներ: Զգուշորեն ընտրեք սենսորի տեսակը, էքսպոզիցիան, օբյեկտիվը և կադրերի հաճախականությունը: Աղբ հավաքեք և այլն:

2. Նախնական մշակում՝
   անհրաժեշտության դեպքում չափափոխել, կտրել, նորմալացնել, մաքրել աղոտությունը կամ նվազեցնել աղմուկը։ Երբեմն կոնտրաստի փոքրիկ փոփոխությունը լեռներ է տեղաշարժում։ [4]

3. Պիտակներ և տվյալների հավաքածուներ
   ՝ սահմանազատող վանդակներ, բազմանկյուններ, առանցքային կետեր, տեքստային տարածություններ: Հավասարակշռված, ներկայացուցչական պիտակներ, կամ ձեր մոդելը սովորում է անհավասար սովորություններ:

4. Մոդելավորում

   • Դասակարգում ՝ «Ո՞ր կատեգորիան»

   • Հայտնաբերում . «Որտե՞ղ են գտնվում առարկաները»։

   • Սեգմենտացիա . «Ո՞ր պիքսելներն են պատկանում որ բանին»։

   • Հիմնական կետեր և դիրքեր . «Որտե՞ղ են գտնվում հանգույցները կամ տեսարժան վայրերը»։

   • OCR : «Ի՞նչ տեքստ կա պատկերի վրա»։

   • Խորություն և 3D . «Որքա՞ն հեռու է ամեն ինչ»:
     Ճարտարապետությունները տարբեր են, բայց գերակշռում են կոնվոլյուցիոն ցանցերը և տրանսֆորմերային ոճի մոդելները: [1]

5. Մարզում՝
   տվյալների բաժանում, հիպերպարամետրերի կարգավորում, կանոնավորում, ավելացում: Վաղաժամ դադարեցում՝ նախքան պաստառը անգիր սովորելը:

6. Գնահատում
   OCR-ի համար օգտագործեք առաջադրանքին համապատասխան չափանիշներ, ինչպիսիք են mAP, IoU, F1, CER/WER: Մի՛ ընտրեք շատերը: Համեմատեք արդարացիորեն: [3]

7. Տեղակայում
   . Օպտիմալացում թիրախի համար. ամպային խմբաքանակային աշխատանքներ, սարքի վրա եզրակացություն, եզրային սերվերներ: Մոնիտորային շեղում: Վերապատրաստում, երբ աշխարհը փոխվի:

Խորը ցանցերը որակական թռիչք առաջացրին, երբ մեծ տվյալների հավաքածուները և հաշվարկները հասան կրիտիկական զանգվածի: ImageNet մարտահրավերի նման չափանիշերը այդ առաջընթացը դարձրին տեսանելի և անդադար: [2]

Հիմնական առաջադրանքներ, որոնք դուք իրականում կօգտագործեք (և երբ) 🧩

• Պատկերի դասակարգում . մեկ պիտակ մեկ պատկերի համար: Օգտագործեք արագ ֆիլտրերի, տեսակավորման կամ որակի չափանիշների համար:

• Առարկաների հայտնաբերում . իրերի շուրջը տուփեր։ Մանրածախ առևտրի կորուստների կանխարգելում, տրանսպորտային միջոցների հայտնաբերում, վայրի բնության հաշվառում։

• Օրինակի սեգմենտացիա . պիքսելային ճշգրտությամբ ուրվագծեր յուրաքանչյուր օբյեկտի համար։ Արտադրական թերություններ, վիրաբուժական գործիքներ, գյուղատնտեսական տեխնոլոգիաներ։

• Սեմանտիկ սեգմենտացիա . դաս մեկ պիքսելի համար՝ առանց օրինակների առանձնացման։ Քաղաքային ճանապարհային տեսարաններ, ցամաքային ծածկույթ։

• Հիմնական կետերի հայտնաբերում և դիրք . հոդեր, տեսարժան վայրեր, դեմքի գծեր: Սպորտային վերլուծություն, էրգոնոմիկա, լրացված իրականություն:

• Հետևում . Հետևեք օբյեկտներին ժամանակի ընթացքում: Լոգիստիկա, երթևեկություն, անվտանգություն:

• OCR և փաստաթղթերի արհեստական ​​ինտելեկտ . տեքստի արդյունահանում և դասավորության վերլուծություն: Հաշիվ-ապրանքագրեր, կտրոններ, ձևաթղթեր:

• Խորություն և 3D . վերակառուցում բազմաթիվ տեսանկյուններից կամ մոնոկուլյար ազդանշաններից: Ռոբոտաշինություն, լրացված իրականություն, քարտեզագրում:

• Տեսողական ենթագրեր . ամփոփեք տեսարանները բնական լեզվով: Հասանելիություն, որոնում:

• Տեսողական-լեզվական մոդելներ . Բազմամոդալ դատողություն, վերականգնման-ընդլայնված տեսողություն, հիմնավորված որակի ապահովում։

Փոքրիկ պատյանի տրամադրություն. խանութներում դետեկտորը հայտնաբերում է դարակների բացակայող երեսպատումները, հետևորդը կանխում է կրկնակի հաշվարկը, երբ անձնակազմը համալրվում է պաշարներով, պարզ կանոնը ցածր վստահության կադրերը ուղղորդում է մարդկային վերանայման: Սա փոքր նվագախումբ է, որը հիմնականում մնում է ներդաշնակ:

Համեմատական ​​աղյուսակ՝ գործիքներ ավելի արագ առաքման համար 🧰

Միտումնավոր մի փոքր տարօրինակ է։ Այո, հեռավորությունը տարօրինակ է, գիտեմ։

Ի՞նչն է որոշում համակարգչային տեսողության որակը արհեստական ​​բանականության մեջ 🔧

• Տվյալների ծածկույթ ՝ լուսավորության փոփոխություններ, անկյուններ, ֆոնային պատկերներ, եզրային պատյաններ: Եթե դա հնարավոր է, ներառեք այն:

• Պիտակի որակը . Անհամապատասխան վանդակները կամ անփույթ բազմանկյունները խաթարում են mAP-ը: Մի փոքր որակի ստուգումը շատ բան է նշանակում:

• Խելացի լրացումներ . կտրել, պտտել, փոխել պայծառության տատանումները, ավելացնել սինթետիկ աղմուկ: Եղեք իրատես, այլ ոչ թե պատահական քաոս:

• Մոդելի ընտրության համապատասխանություն . Օգտագործեք հայտնաբերում այնտեղ, որտեղ հայտնաբերումն անհրաժեշտ է. մի՛ ստիպեք դասակարգչին կռահել վայրերը։

• Ազդեցությանը համապատասխանող չափանիշներ . Եթե կեղծ բացասական արդյունքներն ավելի շատ են ցավում, օպտիմալացրեք հիշողությունը։ Եթե կեղծ դրական արդյունքներն ավելի շատ են ցավում, նախևառաջ ճշգրտությունը։

• Հետադարձ կապի ամուր ցիկլ . գրանցեք ձախողումները, վերապիտակավորեք, վերավարժանք արեք։ Լվացեք, կրկնեք։ Մի փոքր ձանձրալի՝ չափազանց արդյունավետ։

Հայտնաբերման/սեգմենտացման համար համայնքի ստանդարտը միջինացված միջինացված միջինացված IoU շեմերի միջև է, այսինքն՝ COCO ոճի mAP : IoU-ի և AP@{0.5:0.95}-ի հաշվարկման եղանակը իմանալը թույլ չի տալիս առաջատարների ցուցակի պահանջները ձեզ կուրացնել տասնորդականներով: [3]

Իրական աշխարհի օգտագործման դեպքեր, որոնք ենթադրական չեն 🌍

• Մանրածախ առևտուր . դարակների վերլուծություն, կորուստների կանխարգելում, հերթերի մոնիթորինգ, պլանոգրամայի համապատասխանություն։

• Արտադրություն ՝ մակերեսային թերությունների հայտնաբերում, հավաքման ստուգում, ռոբոտի ուղղորդում։

• Առողջապահություն ՝ ռենտգենաբանական տեսակավորում, գործիքային հայտնաբերում, բջիջների սեգմենտացիա։

• Շարժունակություն ՝ ADAS, ճանապարհային տեսախցիկներ, կայանատեղիի զբաղվածություն, միկրոշարժունակության հետևում։

• Գյուղատնտեսություն ՝ բերքի հաշվարկ, հիվանդությունների հայտնաբերում, բերքահավաքի պատրաստություն։

• Ապահովագրություն և ֆինանսներ . վնասի գնահատում, KYC ստուգումներ, խարդախության նշաններ:

• Շինարարություն և էներգետիկա . անվտանգության համապատասխանություն, արտահոսքի հայտնաբերում, կոռոզիայի մոնիթորինգ:

• Բովանդակություն և մատչելիություն . Ավտոմատ ենթագրեր, մոդերացիա, տեսողական որոնում:

Կարգ, որը կնկատեք. ձեռքով սկանավորումը փոխարինեք ավտոմատ տեսակավորմամբ, ապա անցեք մարդկանց, երբ վստահությունը նվազի: Ոչ այնքան հմայիչ, բայց մասշտաբային է:

Տվյալներ, պիտակներ և կարևոր չափանիշներ 📊

• Դասակարգում ՝ ճշգրտություն, անհավասարակշռության համար՝ F1։

• Հայտնաբերում ՝ mAP IoU շեմերի միջով, ստուգել յուրաքանչյուր դասի AP-ն և չափի խմբերը։ [3]

• Սեգմենտացիա ՝ mIoU, Dice; ստուգեք նաև օրինակի մակարդակի սխալները։

• Հետևում . MOTA, IDF1; վերանույնականացման որակը լուռ հերոսն է։

• OCR ՝ նիշերի սխալի մակարդակ (CER) և բառերի սխալի մակարդակ (WER); դասավորության ձախողումները հաճախ գերակշռում են։

• Ռեգրեսիոն առաջադրանքներ . խորությունը կամ դիրքը օգտագործում են բացարձակ/հարաբերական սխալներ (հաճախ լոգարիթմական սանդղակների վրա):

Գրանցեք ձեր գնահատման արձանագրությունը, որպեսզի մյուսները կարողանան այն կրկնօրինակել։ Դա սեքսուալ չէ, բայց այն ձեզ ազնիվ է պահում։

Կառուցել vs գնել, և որտեղ այն գործարկել 🏗️

• Ամպային . Ամենահեշտ մեկնարկը, հիանալի է խմբային աշխատանքային բեռների համար: Հետևեք ելքային ծախսերին:

• Edge սարքեր . ցածր լատենտություն և ավելի լավ գաղտնիություն: Դուք կմտածեք քվանտացման, կտրման և արագացուցիչների մասին:

• Բջջային սարքի վրա . Հիանալի է, երբ այն տեղավորվում է: Օպտիմալացրեք մոդելները և հետևեք մարտկոցի լիցքին:

• Հիբրիդ . նախնական ֆիլտր եզրին, ծանր աշխատանք ամպում: Լավ փոխզիջում:

Անհավանականորեն հուսալի կույտ. նախատիպ PyTorch-ով, ստանդարտ դետեկտորի մարզում, արտահանում ONNX, արագացում OpenVINO/ONNX Runtime-ով և OpenCV-ի օգտագործում նախնական մշակման և երկրաչափության (ճշգրտում, հոմոգրաֆիա, ձևաբանություն) համար: [4]

Ռիսկերը, էթիկան և խոսելու դժվար կողմերը ⚖️

Տեսողական համակարգերը կարող են ժառանգել տվյալների բազմության կողմնակալություններ կամ գործառնական կույր կետեր: Անկախ գնահատումները (օրինակ՝ NIST FRVT) չափել են դեմքի ճանաչման սխալների մակարդակների դեմոգրաֆիկ տարբերությունները տարբեր ալգորիթմների և պայմանների միջև: Սա խուճապի մատնվելու պատճառ չէ, բայց դա է : Եթե կիրառում եք ինքնության կամ անվտանգության հետ կապված օգտագործման դեպքեր, ներառեք մարդկային վերանայման և բողոքարկման մեխանիզմներ: Գաղտնիությունը, համաձայնությունը և թափանցիկությունը լրացուցիչ պահանջներ չեն: [5]

Արագ մեկնարկի ճանապարհային քարտեզ, որին իրականում կարող եք հետևել 🗺️

1. Սահմանեք որոշումը։
   Ի՞նչ գործողություն պետք է ձեռնարկի համակարգը պատկերը տեսնելուց հետո։ Սա ձեզ խանգարում է օպտիմալացնել անհատական ​​չափանիշները։

2. Հավաքեք տվյալների մի ամբողջություն։
   Սկսեք մի քանի հարյուր պատկերներից, որոնք արտացոլում են ձեր իրական միջավայրը։ Ուշադիր պիտակավորեք՝ նույնիսկ եթե դա դուք եք և երեք կպչուն թղթեր։

3. Ընտրեք բազային մոդել։
   Ընտրեք պարզ հիմք՝ նախապես պատրաստված կշիռներով։ Դեռևս մի՛ հետապնդեք էկզոտիկ ճարտարապետություններ։ [1]

4. Մարզեք, գրանցեք, գնահատեք։
   Հետևեք չափանիշներին, շփոթության կետերին և ձախողման ռեժիմներին։ Պահեք «տարօրինակ դեպքերի»՝ ձյան, շողշողուն լույսի, արտացոլանքների, տարօրինակ տառատեսակների տետր։

5. Խստացրեք օղակը։
   Ավելացրեք կոշտ բացասականներ, շտկեք պիտակների շեղումը, կարգավորեք լրացումները և վերակարգավորեք շեմերը։ Փոքրիկ շտկումները գումարվում են։ [3]

6. Տեղակայեք բարակ տարբերակը՝
   քվանտիզացնելով և արտահանելով։ Չափեք լատենտությունը/արտադրողականությունը իրական միջավայրում, այլ ոչ թե խաղալիք չափանիշով։

7. Մոնիթորինգ և կրկնություն։
   Հավաքագրեք սխալները, վերանվանեք, վերավարժանք արեք։ Պլանավորեք պարբերական գնահատումներ, որպեսզի ձեր մոդելը չփչանա։

Մասնագիտական ​​խորհուրդ. նշեք ձեր ամենաանբարոյական թիմակցի կողմից ստեղծված փոքրիկ խոչընդոտների հավաքածուն։ Եթե նրանք չեն կարողանում անցքեր բացել դրա մեջ, ապա դուք, հավանաբար, պատրաստ եք։

Հաճախ հանդիպող խնդիրներ, որոնցից պետք է խուսափել 🧨

• Մաքուր ստուդիական պատկերների վրա մարզում, իրական աշխարհում տեղակայում՝ օբյեկտիվի վրա անձրևի կաթիլներով։

• Ընդհանուր mAP-ի օպտիմալացում, երբ իսկապես կարևոր է մեկ կրիտիկական դասը։ [3]

• Դասակարգային անհավասարակշռությունը անտեսելը, ապա մտածելը, թե ինչու են հազվագյուտ իրադարձությունները անհետանում։

• Չափից շատ մեծացում, մինչև մոդելը սովորի արհեստական ​​արտեֆակտները։

• Բաց թողնելով տեսախցիկի կարգաբերումը, ապա ընդմիշտ պայքարելով հեռանկարային սխալների դեմ։ [4]

• Հավատալ առաջատարների աղյուսակի թվերին՝ առանց ճշգրիտ գնահատման կառուցվածքը կրկնօրինակելու։ [2][3]

Աղբյուրներ, որոնք արժե նշել 🔗

Եթե ​​ձեզ դուր են գալիս հիմնական նյութերը և դասընթացի նշումները, սրանք ոսկի են հիմունքների, պրակտիկայի և չափորոշիչների համար: Հղումների համար տե՛ս «Հղումներ» բաժինը՝ CS231n նշումներ, ImageNet մարտահրավերի թուղթ, COCO տվյալների հավաքածուի/գնահատման փաստաթղթեր, OpenCV փաստաթղթեր և NIST FRVT հաշվետվություններ: [1][2][3][4][5]

Վերջնական դիտողություններ - կամ չափազանց երկար, չկարդացի 🍃

Համակարգչային տեսողությունը արհեստական ​​բանականության մեջ պիքսելները վերածում է որոշումների: Այն փայլում է, երբ դուք ճիշտ առաջադրանքը համատեղում եք ճիշտ տվյալների հետ, չափում եք ճիշտ բաները և իտերացիաներ եք անում անսովոր կարգապահությամբ: Գործիքավորումը առատաձեռն է, չափանիշերը հրապարակային են, և նախատիպից մինչև արտադրություն ճանապարհը զարմանալիորեն կարճ է, եթե կենտրոնանում եք վերջնական որոշման վրա: Ուղղեք ձեր պիտակները, ընտրեք ազդեցությանը համապատասխանող չափանիշներ և թողեք մոդելները կատարեն ծանր աշխատանքը: Եվ եթե փոխաբերությունը օգնում է, մտածեք դրա մասին, ինչպես շատ արագ, բայց բառացիորեն պրակտիկանտին սովորեցնելը, թե ինչն է կարևոր: Դուք ցույց եք տալիս օրինակներ, ուղղում սխալները և աստիճանաբար վստահում եք դրան իրական աշխատանքով: Ոչ կատարյալ, բայց բավականաչափ մոտ՝ փոխակերպող լինելու համար: 🌟

Հղումներ

1. CS231n: Համակարգչային տեսողության խորը ուսուցում (դասընթացի նշումներ) - Սթենֆորդի համալսարան։
   Կարդալ ավելին

2. ImageNet-ի մեծածավալ տեսողական ճանաչման մարտահրավեր (թղթային աշխատանք) - Ռուսակովսկի և այլք։
   կարդալ ավելին

3. COCO տվյալների հավաքածու և գնահատում - Պաշտոնական կայք (առաջադրանքների սահմանումներ և mAP/IoU կոնվենցիաներ):
   կարդալ ավելին

4. OpenCV փաստաթղթեր (v4.x) - Նախնական մշակման, տրամաչափման, ձևաբանության և այլնի մոդուլներ։
   կարդալ ավելին

5. NIST FRVT Մաս 3. Ժողովրդագրական ազդեցություններ (NISTIR 8280) - Դեմքի ճանաչման ճշգրտության անկախ գնահատում տարբեր ժողովրդագրական խմբերի միջև։
   Կարդալ ավելին

Գտեք արհեստական ​​բանականության վերջին նորույթները պաշտոնական արհեստական ​​բանականության օգնականների խանութում

Մեր մասին