Как устроено компьютерное зрение и насколько велики его возможности

N+1Hi-Tech

Смотри внимательно. Как компьютеры видят мир и зачем это нужно

Сергей Кузнецов

Компьютерное (машинное) зрение можно найти в медицине, сельском хозяйстве, транспорте, индустрии развлечений и много где еще. Эта технология по-прежнему несовершенна, но искусственный интеллект уже сейчас помогает решать задачи, с которыми не справляется человек. Рассказываем, как устроено компьютерное зрение и насколько велики его возможности.

Мы регулярно прибегаем к помощи алгоритмов — например, когда смотрим прогноз погоды, ищем билеты или просто хотим отдохнуть. Это такая же часть нашей жизни, как одежда и обувь, автомобили и смартфоны. Тем не менее искусственный интеллект, так глубоко проникший во все сферы нашей жизни, до сих пор может вызывать недоверие и страх. Этим текстом мы открываем проект «ИИ спешит на помощь», в котором расскажем, на что способны современные технологии с использованием ИИ, где они приносят наибольшую пользу и почему не стоит бояться восстания машин. Материал подготовлен совместно с федеральным проектом «Искусственный интеллект».

История зрения

Первая статья про машинное зрение, «Глаза и уши компьютера» Оливера Селфриджа, была опубликована в 1955 году. Тогда же появились ЭВМ-2 — первые машины, основанные не на электронных лампах, а на полупроводниковых диодах и транзисторах. Это был качественный скачок в технологиях: размеры ЭВМ уменьшились, а их производительность, наоборот, выросла. Немногим ранее появились и первые работы, посвященные искусственному интеллекту, — например, в 1949 году вышла книга физиолога и нейропсихолога Дональда Хебба «Организация поведения», где он описал принципы обучения нейронов.

Машинное зрение — это применение компьютерного зрения в промышленности. Компьютерное и машинное зрение не одно и то же, однако эти термины близки друг к другу. Для простоты далее в тексте мы используем их в одном значении — компьютерного зрения.

К 1958 году искусственный интеллект и машинное зрение пересеклись в одной точке: американский ученый Фрэнк Розенблатт разработал математическую модель восприятия информации мозгом — перцептрон. Два года спустя ее реализовали на машине «Марк-1». Перцептрон стал одной из первых нейросетей, а «Марк-1» — одним из первых нейрокомпьютеров. В 1960–1970-х годах появились первые системы обработки изображений, а американский инженер Лоуренс Робертс сформулировал концепцию машинного построения трехмерных образов объектов. То, что сейчас умеет делать iPhone, всего 60 лет назад существовало лишь как идея на бумаге.

Искусственный интеллект совершенствуется параллельно с прогрессом в сфере обработки данных: чем мощнее процессоры и чем больше данных они могут обработать, тем точнее и быстрее можно получать результат. Поэтому активное развитие машинного зрения началось только в 1990-х годах — тогда были созданы прототипы беспилотного транспорта, зародились системы распознавания лиц, а во всех индустриях наметился интерес к распознаванию изображений. Сейчас технологии компьютерного зрения применяются повсюду — этому способствовало увеличение количества и качества нейросетей, рост вычислительных мощностей компьютеров, а также скорости и пропускной способности цифровых сетей.

Видеть все

Компьютерное зрение тесно связано с искусственным интеллектом и машинным обучением. По сути это возможность машины «видеть» окружающий мир. Само собой, компьютеры видят не так, как человек, но они умеют распознавать визуальную информацию и реагировать на нее. Зрение — не единственный способ получения информации из внешнего мира, но один из самых полных и достоверных.

Простейший пример компьютерного зрения можно найти в смартфоне: когда вы запускаете камеру, машинное зрение позволяет гаджету разобраться, на что вы наводите объектив. Если это человек, смартфон понимает, что необходимо сфокусироваться на лице и, например, включить бьютификатор, а если пейзаж — понизить или повысить экспозицию в зависимости от освещенности. Многие смартфоны умеют и более детально определять сцену, но в основе всех решений лежат похожие алгоритмы: разработчики на большом объеме изображений обучили искусственный интеллект находить совпадения и включать нужный режим.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Коучинг-лидерство Коучинг-лидерство

Говори меньше, спрашивай больше и навсегда измени свой стиль управления

kiozk originals
Счастливый финал Счастливый финал

ОK! побывал на съемочной площадке фильма «Бывшие. Happy End»

OK!
6 жирных фактов о «Большом Лебовски» 6 жирных фактов о «Большом Лебовски»

Все о фильме, после которого мы не можем по-прежнему смотреть на ковры

Maxim
«Исчезнуть — и позволить этому быть»: чему учит новый роман Виктора Пелевина «KGBT+» «Исчезнуть — и позволить этому быть»: чему учит новый роман Виктора Пелевина «KGBT+»

Почему «KGBT+» Виктора Пелевина вышел как нельзя вовремя

Forbes
На изящном: история «Ночных птиц» Эдварда Хоппера — картины, повлиявшей на кинематограф На изящном: история «Ночных птиц» Эдварда Хоппера — картины, повлиявшей на кинематограф

Какой мир конструировал художник Эдвард Хоппер в своих полотнах?

Правила жизни
10 фактов о художнице поколения 1970-х Наталье Нестеровой 10 фактов о художнице поколения 1970-х Наталье Нестеровой

Наталья Нестерова — яркая советская художница

СНОБ
Почему мужья и жены хотят, чтобы их поймали на измене? Почему мужья и жены хотят, чтобы их поймали на измене?

В глубине души многие бессознательно хотят, чтобы супруг узнал о неверности

Psychologies
У пациентов с недавно диагностированной деменцией выявили повышенный риск суицида У пациентов с недавно диагностированной деменцией выявили повышенный риск суицида

Как риск суицида зависит от диагностированной деменции

N+1
Загадка Марса: ученые не могут объяснить странные колебания уровня кислорода Загадка Марса: ученые не могут объяснить странные колебания уровня кислорода

Сегодня мы расскажем о том, как обстоят дела с кислородом на Марсе

ТехИнсайдер
Синдром «блестящего объекта»: когда переключаться на новые задачи — вредно Синдром «блестящего объекта»: когда переключаться на новые задачи — вредно

Как понять, что у вас синдром «блестящего объекта»

Psychologies
Как отвлечься от плохих мыслей? Как отвлечься от плохих мыслей?

Как абстрагироваться от мрачных событий и прийти к спокойствию

Maxim
Когда близкий болен: как убедить пожилого родственника принять помощь Когда близкий болен: как убедить пожилого родственника принять помощь

Как найти с пожилыми родственниками общий язык и убедить принять заботу

Psychologies
Объем эндокрана и размер моляров связали с темпами внутриутробного роста гоминид Объем эндокрана и размер моляров связали с темпами внутриутробного роста гоминид

Темпы пренатального роста у гоминид увеличились за последние шесть миллионов лет

N+1
Продолжение истории матери, которая все делала по правилам Продолжение истории матери, которая все делала по правилам

Что получится, если соблюдать все рекомендации «для хороших родителей»

СНОБ
Как бросить курить: подробная инструкция. Часть 2 Как бросить курить: подробная инструкция. Часть 2

Какую роль играют эмоции в никотиновой зависимости?

Psychologies
Как уменьшить побочные эффекты химиотерапии: 3 важных правила Как уменьшить побочные эффекты химиотерапии: 3 важных правила

Как снизить побочные эффекты от терапии химиопрепаратами

Psychologies
10 современных мифов о браке 10 современных мифов о браке

Помогаем прояснить некоторых из типичных «брачных мифов»

Psychologies
«Откуда берутся дети?»: как говорить с ребенком на тему секса «Откуда берутся дети?»: как говорить с ребенком на тему секса

В каком возрасте преподнести ребенку информацию о том, как он появился

Psychologies
Ученые имплантировали фрагменты мозга человека в новорожденных крыс Ученые имплантировали фрагменты мозга человека в новорожденных крыс

Ткани человеческого мозга были успешно трансплантированы в нервную систему крыс

ТехИнсайдер
Вера Майорова-Земская: «Учитесь у нее, как надо играть», — говорил Пырьев на съемочной площадке Вера Майорова-Земская: «Учитесь у нее, как надо играть», — говорил Пырьев на съемочной площадке

Актриса Театра на Бронной Вера Майорова-Земская — уникальный свидетель эпохи

Коллекция. Караван историй
Лего из молекул для лечения рака: как женщина-химик получила Нобелевскую премию Лего из молекул для лечения рака: как женщина-химик получила Нобелевскую премию

Что такое лего из молекул и как эксперименты женщины-химика стали практикой

Forbes
Секс с новыми вводными Секс с новыми вводными

Секс — это в первую очередь мозги

Men Today
Темную материю предложили поискать на поверхности Земли Темную материю предложили поискать на поверхности Земли

Физики смоделировали поведение гипотетических частиц темной материи

N+1
Как познакомиться с мужчиной для серьезных отношений Как познакомиться с мужчиной для серьезных отношений

Психолог рассказала о нескольких проверенных способах найти серьезные отношения

Psychologies
Московский вайб Московский вайб

Интерьер получился элегантным, почти монохромным, насыщенным

SALON-Interior
Основатель спа-клиники «Восточный Экспресс» — о бьюти-потенциале Дубая Основатель спа-клиники «Восточный Экспресс» — о бьюти-потенциале Дубая

В каком направлении движется мировая индустрия велнес-услуг

РБК
Академик Олег Алифанов: Луна, безусловно, должна стать нашим приоритетом Академик Олег Алифанов: Луна, безусловно, должна стать нашим приоритетом

Надо ли людям летать в космос и остаемся ли мы космической державой?

Наука
Тайны кальянов: мегазатяжки, кокос и чайный лист Тайны кальянов: мегазатяжки, кокос и чайный лист

Курение кальяна овеяно кучей легенд. Что из них правда?

Maxim
Простить себя и принять реальность. Лайфхаки по преодолению кризиса от стоиков Простить себя и принять реальность. Лайфхаки по преодолению кризиса от стоиков

Отрывок из книги «Стоики побеждают» — почему философия стоиков все еще актуальна

Inc.
Эффект плацебо Эффект плацебо

Организм лечит себя потихоньку, а мы приписываем улучшение препаратам

Добрые советы
Открыть в приложении